बधाई हो

Python में Exploratory Data Analysis

George Boorman

Curriculum Manager, DataCamp

निरीक्षण और वैलिडेशन

किताब रेटिंग्स का एक हिस्टोग्राम

books["year"] = books["year"].astype(int)
books.dtypes

name       object
author     object
rating    float64
year        int64
genre      object
dtype: object

एग्रीगेशन

books.groupby("genre").agg(
    mean_rating=("rating", "mean"),
    std_rating=("rating", "std"),
    median_year=("year", "median")
)

|  genre      | mean_rating | std_rating | median_year |
|-------------|-------------|------------|-------------|
|   Childrens |    4.780000 |   0.122370 |      2015.0 |
|     Fiction |    4.570229 |   0.281123 |      2013.0 |
| Non Fiction |    4.598324 |   0.179411 |      2013.0 |

मिसिंग डेटा संभालें

print(salaries.isna().sum())

Working_Year            12
Designation             27
Experience              33
Employment_Status       31
Employee_Location       28
Company_Size            40
Remote_Working_Ratio    24
Salary_USD              60
dtype: int64

मिसिंग डेटा संभालें

मिसिंग वैल्यू हटाएँ

mean, median, mode से इम्प्यूट करें

सब-ग्रुप के अनुसार इम्प्यूट करें

salaries_dict = salaries.groupby("Experience")["Salary_USD"].median().to_dict()
salaries["Salary_USD"] = salaries["Salary_USD"].fillna(salaries["Experience"].map(salaries_dict))

श्रेणीबद्ध डेटा का विश्लेषण करें

salaries["Job_Category"] = np.select(conditions, 
                                     job_categories, 
                                     default="Other")

कैटेगरी के अनुसार नौकरियों की गिनती का बार प्लॉट

lambda फंक्शन लागू करें

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"].transform(lambda x: x.std())

आउटलायर संभालें

sns.boxplot(data=salaries,
            y="Salary_USD")
plt.show()

डेटा प्रोफेशनल्स की सैलरी का बॉक्स प्लॉट, बॉक्स के नीचे 25th परसेंटाइल, बीच में 50th और ऊपर 75th परसेंटाइल दिखते हैं

समय के साथ पैटर्न

sns.lineplot(data=divorce, x="marriage_month", y="marriage_duration")
plt.show()

विवाह के माह और विवाह अवधि के रिश्ते को दर्शाता लाइन प्लॉट

कोरिलेशन

sns.heatmap(divorce.corr(numeric_only=True), annot=True)
plt.show()

तलाक संबंधों का हीटमैप

डिस्ट्रिब्यूशंस

sns.kdeplot(data=divorce, x="marriage_duration", hue="education_man", cut=0)
plt.show()

marriage_duration का KDE, जहाँ hue "education_man" है और cut शून्य है

क्रॉस-टैब्यूलेशन

pd.crosstab(planes["Source"], planes["Destination"],
            values=planes["Price"], aggfunc="median")

Destination  Banglore   Cochin   Delhi  Hyderabad  Kolkata  New Delhi
Source                                                               
Banglore          NaN      NaN  4823.0        NaN      NaN    10976.5
Chennai           NaN      NaN     NaN        NaN   3850.0        NaN
Delhi             NaN  10262.0     NaN        NaN      NaN        NaN
Kolkata        9345.0      NaN     NaN        NaN      NaN        NaN
Mumbai            NaN      NaN     NaN     3342.0      NaN        NaN

pd.cut()

बिन्स दें

planes["Price_Category"] = pd.cut(planes["Price"],
                                  labels=labels,
                                  bins=bins)

डेटा स्नूपिंग

हर संख्या के स्टॉप्स के लिए कोरिलेशन कोएफिशिएंट स्कोर वाला हीटमैप

हाइपोथिसिस जनरेट करना

sns.barplot(data=planes, x="Airline", y="Duration")
plt.show()

एयरलाइन बनाम ड्यूरेशन का बार प्लॉट

अगले कदम

Sampling in Python

Hypothesis Testing in Python

Supervised Learning with scikit-learn

बधाई हो!

Python में Exploratory Data Analysis