Исследовательский анализ данных на Python | pandas, numpy, matplotlib, seaborn

В этом видео мы подробно рассмотрим разведочный анализ данных (EDA) с использованием мощных библиотек Python, таких как pandas, numpy, matplotlib и seaborn. Независимо от того, новичок вы или только совершенствуете свои навыки в области науки о данных, это пошаговое руководство поможет вам лучше понять свой набор данных и подготовить его к моделированию.

Поддержите меня:
BuyMeACoffee: https://buymeacoffee.com/dsfe
Patreon:   / dsfeorg  
Ko-fi: https://ko-fi.com/dsfe

Подписывайтесь на меня:
Twitter: https://x.com/dsfeorg
Github: https://github.com/dsfeorg

Рассматриваемые темы:
1. Проверка данных: первый взгляд на ваш набор данных
2. Проверка данных: выявление и устранение несоответствий
3. Обобщение данных: использование описательной статистики для понимания распределений
4. Обработка пропущенных данных: эффективная очистка, удаление и импутирование пропущенных данных
5. Исследование категориальных данных: анализ и визуализация категориальных признаков
6. Исследование числовых данных: анализ числовых тенденций и закономерностей
7. Обработка выбросов: обнаружение и управление экстремальными значениями

Используемые библиотеки Python: pandas, numpy, matplotlib, seaborn

Главы:
0:00 Введение
1:52 Проверка данных
5:43 Валидация данных
9:11 Обобщение данных
12:15 Обработка пропущенных данных
15:22 Импутация пропущенных данных
16:00 Исследование категориальных данных
20:00 Исследование числовых данных
21:53 Обработка выбросов

Наборы данных:
Данные Penguins: https://github.com/dsfeorg/EDA_python...
Измененные данные Penguins: https://github.com/dsfeorg/EDA_python...
Данные о зарплатах: https://github.com/dsfeorg/EDA_python...

К концу этого руководства у вас будет прочная основа EDA и будьте готовы извлекать ценную информацию из любого набора данных.

Не забудьте поставить лайк, поделиться и подписаться, чтобы получать больше контента о науке о данных!

#pandaslibrary #python #dataanalysis