您好,登录后才能下订单哦!
本篇内容主要讲解“Python数据挖掘中常用的AutoEDA工具有哪些”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Python数据挖掘中常用的AutoEDA工具有哪些”吧!
Pandas Profiling
是款比较成熟的工具,可以直接传入DataFrame即可完成分析过程,将结果展示为HTML格式,同时分析功能也比较强大。
功能:字段类型分析、变量分布分析、相关性分析、缺失值分析、重复行分析
耗时:较少
https://github.com/AutoViML/AutoViz
AutoViz
是款美观的数据分析工具,在进行可视化的同时将结果保存为图片格式。
功能:相关性分析、数值变量箱线图、数值变量分布图
耗时:较多
https://dataprep.ai/
Dataprep
是款比较灵活也比较强大的工具,也是笔者最喜欢的。它可以指定列进行分析,同时也可以在Notebook中进行交互式分析。
功能:字段类型分析、变量分布分析、相关性分析、缺失值分析、交互式分析。
耗时:较多
https://github.com/fbdesignpro/sweetviz
SweetViz
是款强大的数据分析工具,可以很好的分析训练集和测试集,以及目标标签与特征之间的关系。
功能:数据集对比分析、字段类型分析、变量分布分析、目标变量分析
耗时:中等
https://github.com/man-group/dtale
D-Tale
是款功能最为强大的数据分析工具,对单变量的分析过程支持比较好。
功能:字段类型分析、变量分布分析、相关性分析、缺失值分析、交互式分析。
耗时:中等
到此,相信大家对“Python数据挖掘中常用的AutoEDA工具有哪些”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。