Python数据挖掘中常用的五种AutoEDA 工具总结

目录

• 1、Pandas Profiling
• 2、AutoViz
• 3、Dataprep
• 4、SweetViz
• 5、D-Tale
• 技术交流

我们能否使用一些自动化工具代www.cppcns.com替人来完成数据分析的过程呢，现有一些成熟的 AutoEDA 工具可以一定程度上完成上述过程。本文中，我将盘点常见的 AutoEDA 工具，欢迎收藏学习，喜欢点赞支持，文末提供技术交流群，欢迎畅聊。

1、Pandas Profiling

https://pawww.cppcns.comndas-profiling.github.io/pandas-profiling/docs/master/index.html

Pandas Profiling是款比较成熟的工具，可以直接传入DataFrame即可完成分析过程，将结果展示为HTML格式，同时分析功能也比较强大。

• 功能：字段类型分析、变量分布分析、相关性分析、缺失值分析、重复行分析
• 耗时：较少

2、AutoViz

https://github.c编程客栈om/AutoViML/AutoViz

AutoViz是款美观的数据分析工具，在进行可视化的同时将结果保存为图片格式。

• 功能：相关性分析、数值变量箱线图、数值变量分布图
www.cppcns.com
• 耗时：较多

3、Dataprep

https://dataprep.ai/

Dataprep是款比较灵活也比较强大的工具，也是笔者最喜欢的。它可以指定列进行分析，同时也可以在Notebook中进行交互式分析。

• 功能：字段类型分析、变量分布分析、相关性分析、缺失值分析、交互式分析。
• 耗时：较多

4、SweetViz

https://github.com/fbdesignpro/sweetviz

SweRNVnZCtetViz是款强大的数据分析工具，可以很好的分析训练集和测试集，以及目标标签与特征之间的关系。

• 功能：数据集对比分析、字段类型分析、变量分布分析、目标变量分析
• 耗时：中等

5、D-Tale

https://github.com/man-group/dtale

D-Tale是款功能最为强大的数据分析工具，对单变量的分析过程支持比较好。

• 功能：字段类型分析、变量分布分析、相关性分析、缺失值分析、交互式分析。
• 耗时：中等

技术交流

欢迎转载、收藏、有所收获点赞支持一下！

到此这篇关于python数据挖掘中常用的五种AutoEDA 工具总结的文章就介绍到这了,更多相关Python 数据挖掘内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！