我們能否使用一些自動化工具代替人來完成數據分析的過程呢，現有一些成熟的 AutoEDA 工具可以一定程度上完成上述過程。

1、Pandas Profiling

https://pandas-profiling.github.io/pandas-profiling/docs/master/index.html

Pandas Profiling是款比較成熟的工具，可以直接傳入DataFrame即可完成分析過程，將結果展示為HTML格式，同時分析功能也比較強大。

• 功能：字段類型分析、變量分布分析、相關性分析、缺失值分析、重復行分析
• 耗時：較少

2、AutoViz

https://github.com/AutoViML/AutoViz

AutoViz是款美觀的數據分析工具，在進行可視化的同時將結果保存為圖片格式。

• 功能：相關性分析、數值變量箱線圖、數值變量分布圖
• 耗時：較多

3、Dataprep

https://dataprep.ai/

Dataprep是款比較靈活也比較強大的工具，也是筆者最喜歡的。它可以指定列進行分析，同時也可以在Notebook中進行交互式分析。

• 功能：字段類型分析、變量分布分析、相關性分析、缺失值分析、交互式分析。
• 耗時：較多

4、SweetViz

https://github.com/fbdesignpro/sweetviz

SweetViz是款強大的數據分析工具，可以很好的分析訓練集和測試集，以及目標標簽與特征之間的關系。

• 功能：數據集對比分析、字段類型分析、變量分布分析、目標變量分析
• 耗時：中等

5、D-Tale

https://github.com/man-group/dtale

D-Tale是款功能最為強大的數據分析工具，對單變量的分析過程支持比較好。

• 功能：字段類型分析、變量分布分析、相關性分析、缺失值分析、交互式分析。
• 耗時：中等

技術交流

歡迎轉載、收藏、有所收獲點贊支持一下！

到此這篇關于Python數據挖掘中常用的五種AutoEDA 工具總結的文章就介紹到這了,更多相關Python 數據挖掘內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！

原文鏈接：https://blog.csdn.net/weixin_38037405/article/details/121410731