Exploratory Data Analysis

Förstå datavetenskap

Hadrien Lacroix

Content Developer at DataCamp

Vad är EDA?

Exploratory Data Analysis:

Utforska data
Formulera hypoteser
Bedöma egenskaper
Visualisera

fotografi-av-john-tukey

Dataarbetsflöde

arbetsflöde för datavetenskap

Vi dyker rakt in

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 |

Överraskning!

Alla fyra datamängder visar:

identiskt medelvärde och varians för x
identiskt medelvärde och varians för y
identisk korrelationskoefficient
identisk linjär regressionsformel

Kort sagt: de ser ganska lika ut

Anscombes kvartett

anscombes kvartett

anscombes linjära graf

anscombes icke-linjära graf

anscombes regression störd av extremvärde

anscombes korrelation störd av extremvärde

två-raketer-som-landar-samtidigt

Lär känna din data

Flight Number (number)
Date (datetime)
Time (UTC) (datetime)
Booster Version (text)
Launch Site (text)
Payload (text)

Payload Mass (kg) (number)
Orbit (text)
Customer (text)
Mission Outcome (text)
Landing Outcome (text)

Förhandsgranska din data

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

Deskriptiv statistik

        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

Visualisera!

spacex_antal_uppskjutningar

Ställ fler frågor!

spacex-uppskjutningar-per-plats

Ställ fler frågor!

spacex-uppskjutningar-per-utfall

Extremvärden

histogram-nyttolastmassa-spacex

Nu kör vi en övning!

Förstå datavetenskap