Khám phá ban đầu

Phân tích dữ liệu khám phá trong Python

Izzy Weber

Curriculum Manager, DataCamp

Phân tích khám phá dữ liệu (EDA)

Quy trình xem xét và làm sạch dữ liệu để...

rút ra hiểu biết
tạo giả thuyết

hình nhiều cuốn sách trên kệ

Xem nhanh với .head()

books = pd.read_csv("books.csv")

books.head()

|                          name |                   author |  rating | year |       genre |
|-------------------------------|--------------------------|---------|------|-------------|
| 10-Day Green Smoothie Cleanse |                 JJ Smith |    4.73 | 2016 | Non Fiction |
|             11/22/63: A Novel |             Stephen King |    4.62 | 2011 |     Fiction |
|             12 Rules for Life |       Jordan B. Peterson |    4.69 | 2018 | Non Fiction |
|        1984 (Signet Classics) |            George Orwell |    4.73 | 2017 |     Fiction |
|          5,000 Awesome Facts  | National Geographic Kids |    4.81 | 2019 |   Childrens |

Tìm hiểu thêm với .info()

books.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 350 entries, 0 to 349
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype  
--   ------  --------------  -----  
 0   name    350 non-null    object 
 1   author  350 non-null    object 
  2   rating  350 non-null    float64
 3   year    350 non-null    int64  
 4   genre   350 non-null    object 
dtypes: float64(1), int64(1), object(3)
memory usage: 13.8+ KB

Xem kỹ cột phân loại

books.value_counts("genre")

genre
Non Fiction    179
Fiction        131
Childrens       40
dtype: int64

.describe() với cột số

books.describe()

         rating        year
count    350.000000  350.000000
mean     4.608571    2013.508571
std      0.226941    3.284711
min      3.300000    2009.000000
25%      4.500000    2010.000000
50%      4.600000    2013.000000
75%      4.800000    2016.000000
max      4.900000    2019.000000

Trực quan hóa dữ liệu số

import seaborn as sns
import matplotlib.pyplot as plt

sns.histplot(data=books, x="rating")
plt.show()

biểu đồ tần suất điểm đánh giá sách

Điều chỉnh độ rộng bin

sns.histplot(data=books, x="rating", binwidth=.1)
plt.show()

biểu đồ tần suất điểm sách với độ rộng bin 0.1

Ayo berlatih!

Phân tích dữ liệu khám phá trong Python