探索性数据分析（EDA）是数据项目嘚第一步我们将创建一个代码模板来实现这一功能。 简介 EDA由单变量（1个变量）和双变量（2个变量）分析组成

EDA由单变量（1个变量）和双變量（2个变量）分析组成。在这篇文章中我们将回顾一些我们在案例分析中使用的功能：

● 第1步：取得并了解数据；

● 第2步：分析分类變量；

● 第3步：分析数值变量；

● 第4步：同时分析数值和分类变量。

基本EDA中的一些关键点：

● 数值和分类变量的分布（数字和图形的形式）

结果有两种类型：信息型或操作型

● 信息型：例如绘图或任何长变量概要，我们无法从中过滤数据但它会立即为我们提供大量信息。大多数用于EDA阶段

● 操作型：这类结果可直接用于数据工作流（例如，选择缺失比例低于20％的变量）最常用于数据准备阶段。

如果您沒有这些扩展包请删除‘#’来导入：

使用以下函数一键运行本文中的所有函数：

替换data为你的数据，然后就可以啦！

使用heart_disease数据（来自funModeling包）为了使本文容易理解，我们只选取四个变量

统计第一个例子中观测（行）和变量的数量，并使用head显示数据的前几行

获取有关数据类型，零值无穷数和缺失值的统计信息：

df_status会返回一个表格，因此很容易筛选出符合某些条件的变量例如：

● 所有变量都是正确的数据类型吗？

● 有含有很多零或空值的变量吗

freq 函数自动统计数据集中所有因子或字符变量：

● 如果freq用于一个变量 -freq(data$variable)，它会生成一个表格这对于處理高基数变量（如邮政编码）非常有用。

● 分类变量的所有类别都有意义吗

● 经常检查绝对值和相对值。

我们将看到：plot_num和profiling_num两个函数咜们都自动统计数据集中所有数值/整数变量：

将图表导出为jpeg格式：

● 试着找出极度偏态分布的变量。

● 作图检查任何有异常值的变量

● 嘗试根据其分布描述每个变量（对报告分析结果也很有用）。

● 注意标准差很大的变量

第四步：同时分析数值和分类变量

这对于快速了解所有变量非常有用。但是当我们想要使用统计结果来改变我们的数据工作流时这个函数不如freq和profiling_num好用。

● 检查最小值和最大值（异常值）

● 检查分布（与之前相同）