Analyse de données exploratoires en Python

Vous disposez donc de données intéressantes - par où commencer votre analyse ? Ce cours couvre le processus d'exploration et d'analyse des données, de la compréhension de ce qui est inclus dans un ensemble de données à l'incorporation des résultats de l'exploration dans un flux de travail de science des données.

À l'aide de données sur les chiffres du chômage et le prix des billets d'avion, vous tirerez parti de Python pour résumer et valider les données, calculer, identifier et remplacer les valeurs manquantes, et nettoyer les valeurs numériques et catégorielles. Tout au long du cours, vous créerez de superbes visualisations Seaborn pour comprendre les variables et leurs relations.

Par exemple, vous examinerez le lien entre la consommation d'alcool et les performances des élèves. Enfin, le cours montrera comment les résultats exploratoires alimentent les flux de travail de la science des données en créant de nouvelles caractéristiques, en équilibrant les caractéristiques catégorielles et en générant des hypothèses à partir des résultats.

À la fin de ce cours, vous aurez la confiance nécessaire pour effectuer votre propre analyse exploratoire des données (EDA) en Python.Vous serez en mesure d'expliquer vos résultats visuellement aux autres et de suggérer les prochaines étapes pour recueillir des informations à partir de vos données !