检查点
解码你的数据
在建模之前，学会探索数据中的模式。
探索性数据分析（EDA）通常在数据收集和清洗之后进行。当我们加载并准备好数据集后，EDA 就如同一盏手电筒，帮助我们照亮数据的全貌。但这里有一个关键点：EDA 和数据清洗是迭代进行的。随着我们不断探索，可能会发现更多问题——缺失值、异常的离群点、错误的数据类型。这完全正常，我们会来回多次处理这些问题。
...
探索性数据分析的关键步骤
| 变量名称 | 示例值 |
|---|---|
| gender | 'Male', 'Female', 'Other' |
| payment_method | 'Visa', 'PayPal', 'Cash' |
| region | 'North', 'South', 'East' |
| education_level | 'High School', 'Master', 'PhD' |
| 变量名称 | 示例值 |
|---|---|
| age | 25, 40, 35, 50 |
| income | 50000, 60000, 58000 |
| purchase_amount | 200, 150, 300 |
| 变量名称 | 示例值 |
|---|---|
| order_date | 2024-01-15, 2024-05-10 |
| login_timestamp | 2024-06-08 14:35:00 |
| event_time | 09:30:00, 18:45:00 |
1import pandas as pd 2 3df = pd.read_csv("data.csv") 4 5# 查看数据前几行 6print(df.head())
1import pandas as pd 2 3df = pd.read_csv("data.csv") 4 5# 查看数据的行数和列数 6print(df.shape)
1import pandas as pd 2 3df = pd.read_csv("data.csv") 4 5# 查看各列的数据类型 6print(df.dtypes)
1import pandas as pd 2 3df = pd.read_csv("data.csv") 4 5# 查看数据类型及缺失值情况 6print(df.info())
1import pandas as pd 2 3df = pd.read_csv("data.csv") 4 5# 查看数值型变量的统计摘要 6print(df.describe())
Quiz
单选题
在 pandas 中，用于快速预览 DataFrame 前几行的函数是哪一个？
1 / 5