【Datawhale】零基础入门数据挖掘 - 二手车交易价格预测[task2 数据分析]

最新推荐文章于 2022-01-20 01:05:57 发布

zyq_go

最新推荐文章于 2022-01-20 01:05:57 发布

阅读量574

点赞数

分类专栏：日常学习

本文链接：https://blog.youkuaiyun.com/weixin_43041009/article/details/105864172

版权

日常学习专栏收录该内容

27 篇文章

订阅专栏

本文介绍了在【Datawhale】任务中，如何进行数据挖掘的初步探索，包括EDA步骤、代码示例及遇到的问题。作者强调了Pandas数据排序问题、pandas_profiling的导入错误，并分享了使用Seaborn进行数据分布分析和缺失值处理的经验。总结中提到，要关注数据的偏度和峰度，并指出Python3中分号的作用。同时，推荐了Seaborn的Pairplot用于多变量关系可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、EDA

EDA(Exploratory Data Analysis):
也即我们常称的数据探索

是指对已有的数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。

框架
在这里插入图片描述

二、task2代码-EDA

【Datawhale】[task2]2.3代码示例

三、问题

1、Pandas: TypeError: sort_values() missing 1 required positional argument: ‘by’

这个问题我还没解决，主要是需要解决相关性的数值大小排序

## 1)相关性分析
price_numeric=Train_data[numeric_features]
correlation=price_numeric.corr()
correlation
print(correlation['price'])

报错如下：
在这里插入图片描述
2、pandas_profiling导入出现问题，待解决

四、总结

1、同时现实数据首尾的head,利用append

Train_data.head().append(Train_data.tail())

2、缺失值可视化处理–missingno

3、在判断Train_data['price]的分布情况时，为什么用sns.distplot()?
答：需要了解一下Seaborn；
Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。
4、Python3里的“；”只是表示语句的结束，无他意。
5、关于skew、kurt的解释说明：
数据的偏度和峰度——df.skew()、df.kurt()
6、多变量之间的关系可视化文章参考
Seaborn-05-Pairplot多变量图

感受：