《Python数据分析与挖掘实战》，第三章数据探索
前面的内容偏理论，简单整理下，我感觉有点儿用的吧
数据质量分析的主要任务是检查原始数据中是否存在脏数据，脏数据一般指不符合要求，以及不能直接进行相应分析的数据
脏数据通常包括：
缺失值是指记录的缺失或者记录中某个字段信息的缺失
对于缺失值的处理：
可以看看缺失值的个数、占比情况，
异常值是指样本中的个别值，其数值明显偏离其余的观测值，异常值也称为离群点
这里的异常值，我们就可以使用箱线图来看了，直观方便
分析连续变量之间线性相关程度的强弱
这一篇，大概这些比较有用吧，其他还有些关于pandas的操作，我之前有写过的，这里就不看了，还有些理论知识，感觉暂时没大用处，后面再看吧
《Python数据分析与挖掘实战.pdf》PDF高清完整版-免费下载 《Python数据分析与挖掘实战.pdf》P...
参考资料：《Python数据分析与挖掘实战》
Python数据分析与数据挖掘思路分为四大模块：数据获取、数据探索、数据预处理、挖掘建模
Python金融大数据分析_雅格书林 Python数据分析与挖掘实战 Python核心编程（第3版） Python...
《Python数据分析与挖掘实战》，第三章数据探索 前面的内容偏理论，简单整理下，我感觉有点儿用的吧 数据质量分析...
1. Python3数据分析与挖掘建模实战（全） 2. Python3数据科学入门与实战 3. Python前后端...
《Python数据分析与数据化运营》从实战角度讲解如何利用Python进行数据分析、挖掘和数据化运营的著作，不仅对...
系列目录： Python数据挖掘与机器学习_通信信用风险评估实战(1)——读数据 Python数据挖掘与机器学习_...
系列目录： Python数据挖掘与机器学习_通信信用风险评估实战(1)——读数据 Python数据挖掘与机器学习_...
数据源：bankloan.xls 模型结果 备注 源代码 参考资料：《Python数据分析与挖掘实战》
本文标题：《Python数据分析与挖掘实战》读书笔记-数据探索
本文链接：https://www.haomeiwen.com/subject/ibooahtx.html
网友评论