Analyse de données exploratoires en Python

Quelle est la meilleure façon d'aborder un nouvel ensemble de données ? Apprenez à valider et à résumer des données catégorielles et numériques et à créer des visualisations Seaborn pour communiquer vos résultats.

L'exploration et l'analyse des données impliquent souvent de traiter des valeurs manquantes, des types de données incorrects et des valeurs aberrantes. Dans ce chapitre, vous apprendrez des techniques pour gérer ces problèmes et rationaliser vos processus EDA!

Les variables des ensembles de données n'existent pas dans le vide ; elles sont liées les unes aux autres. Dans ce chapitre, vous étudierez les relations entre les données numériques, catégorielles et même les données de type DateTime, en explorant la direction et la force de ces relations ainsi que les moyens de les visualiser.

L'analyse exploratoire des données est une étape cruciale dans le flux de travail de la science des données, mais ce n'est pas la fin ! Il est maintenant temps d'apprendre des techniques et des considérations que vous pouvez utiliser pour avancer avec succès dans vos projets une fois que vous avez fini d'explorer !