vivian315的专栏

参照Kaggle上的https://www.kaggle.com/pedrodematos/titanic-a-complete-approach-to-top-rankings 进行探索性数据分析学习基于Titanic Dataset进行自动化EDA， 不同数据的预处理和建模。主要目标是尝试提出一个完整的建模问题方法，从探索性数据分析到将监督和非监督学习技术应用于我们的数据。1、数据探索第一步是导入所需的库开始分析之前让我们先看看数据集。为了节省时间在我们的探索数据分析过程，我们将使用2个库：.

均值：即平均数，数列中各数总和除以个数。可用numpy.mean函数计算中位数： 数字从小到大排列的数列中位于中间位置的那个数，如果数列个数为奇数位则中位数位于(n+1)/2, 如果为偶数位则为n/2与n/2+1的两个数的平均值，可以用numpy.median函数计算众数：数列中出现频率最多的数, 可以用scipy的stats.mode函数计算全距：数列中最大值与最小值的差四分位数：将从小到大排列的数列平均分为4段，最小的四分位数称为下四分位数，最大的成为上四分位数，中间的称为中位数可以用箱线图展

TBdata_EDA_With_Plotly本文是参照Video Game Sales - EDA with Plotly对TB数据进行的探索性分析 原文：https://www.kaggle.com/amritachatterjee09/video-game-sales-eda-with-plotly数据为2020年9月25日收集的维生素商品根据销量倒序排列前440条数据, 数据文件参照tb_vitamin_20200925.csv1、数据描述nid：商品ID title：商品名称及简要宣传性描