Análise exploratória de dados

Entendendo a ciência de dados

Hadrien Lacroix

Content Developer at DataCamp

O que é EDA?

Análise exploratória de dados :

Exploração de dados
Formulação de hipóteses
Avaliação de características
Visualização

fotografia-de-john-tukey

Fluxo de trabalho de dados

fluxo de trabalho de ciência de dados

Vamos direto ao assunto

Dataset 1        Dataset 2        Dataset 3        Dataset 4        
|x    |y    |    |x    |y    |    |x    |y    |    |x    |y    |
|-----|-----|    |-----|-----|    |-----|-----|    |-----|-----|    
|10.0 |8.04 |    |10.0 |9.14 |    |10.0 |7.46 |    |8.0  |6.58 |
|8.0  |6.95 |    |8.0  |8.14 |    |8.0  |6.77 |    |8.0  |5.76 |
|13.0 |7.58 |    |13.0 |8.74 |    |13.0 |12.74|    |8.0  |7.71 |
|9.0  |8.81 |    |9.0  |8.77 |    |9.0  |7.11 |    |8.0  |8.84 |
|11.0 |8.33 |    |11.0 |9.26 |    |11.0 |7.81 |    |8.0  |8.47 |
|14.0 |9.96 |    |14.0 |8.10 |    |14.0 |8.84 |    |8.0  |7.04 |
|6.0  |7.24 |    |6.0  |6.13 |    |6.0  |6.08 |    |8.0  |5.25 |
|4.0  |4.26 |    |4.0  |3.10 |    |4.0  |5.39 |    |19.0 |12.50|
|12.0 |10.84|    |12.0 |9.13 |    |12.0 |8.15 |    |8.0  |5.56 |
|7.0  |4.82 |    |7.0  |7.26 |    |7.0  |6.42 |    |8.0  |7.91 |
|5.0  |5.68 |    |5.0  |4.74 |    |5.0  |5.73 |    |8.0  |6.89 |

Surpresa!

Todos os quatro conjuntos de dados exibem:

média e variância idênticas para x
média e variância idênticas para y
coeficiente de correlação idêntico
equação de regressão linear idêntica

Em resumo: eles parecem bastante semelhantes

Quarteto de Anscombe

quarteto de Anscombe

gráfico linear de Anscombe

gráfico não linear de Anscombe

regressão de Anscombe distorcida

correlação de Anscombe distorcida

dois foguetes pousando ao mesmo tempo

Conhecendo seus dados

Número do voo (número)
Data (data-hora)
Hora (UTC) (data-hora)
Versão do Booster (texto)
Local de lançamento (texto)
Carga (texto)

Massa da carga (kg) (número)
Órbita (texto)
Cliente (texto)
Resultado da missão (texto)
Resultado do pouso (texto)

Visualizando seus dados

Flight  Date         Time (UTC)  Booster Version  Launch Site     Payload
_______________________________________________________________________________________________________
1       2010-06-04   18:45:00    F9 v1.0 B0003    CCAFS LC-40    Dragon Spacecraft Qualification Unit
2       2010-12-08   15:43:00    F9 v1.0 B0004    CCAFS LC-40    Dragon demo flight C1, two CubeSats...
3       2012-05-22   7:44:00     F9 v1.0 B0005    CCAFS LC-40    Dragon demo flight C2+
4       2012-10-08   0:35:00     F9 v1.0 B0006    CCAFS LC-40    SpaceX CRS-1
5       2013-03-01   15:10:00    F9 v1.0 B0007    CCAFS LC-40    SpaceX CRS-2

Payload Mass (kg)    Orbit     Customer         Mission Outcome  Landing Outcome
_______________________________________________________________________________________________________
NaN                  LEO       SpaceX           Success          Failure (parachute)
NaN                  LEO (ISS) NASA (COTS) NRO  Success          Failure (parachute)
525                  LEO (ISS) NASA (COTS)      Success          No attempt
500                  LEO (ISS) NASA (CRS)       Success          No attempt
677                  LEO (ISS) NASA (CRS)       Success          No attempt

Estatísticas descritivas

        Flight  Date         Time (UTC)  Booster Version  Launch Site     Payload
_______________________________________________________________________________________________________
count   55     55            55          55               55              55
unique  55     55            53          51               4               55
top     6      2018-03-30    4:45:00     F9 v1.1          CCAFS LC-40     SES-9
freq    1      1             2           5                26              1

        Payload Mass (kg)    Orbit     Customer         Mission Outcome  Landing Outcome
_______________________________________________________________________________________________________
count   53                   55        55               55               55
unique  47                   8         28               2                12
top     9,600                GTO       NASA (CRS)       Success          No attempt
freq    5                    22        14               54               18

Visualize!

spacex_launch_count

Faça mais perguntas!

space-x-launches-by-site

Faça mais perguntas!

space-x-launches-by-outcome

Discrepâncias

spacex-payload-mass-histogram

Vamos praticar!

Entendendo a ciência de dados