In diesem Modul behandeln wir die Grundlagen der explorativen Datenanalyse mit

Python. Die explorative Datenanalyse oder kurz EDA ist ein Ansatz zur Analyse von
Daten, um Hauptmerkmale des Datensatzes zusammenzufassen, um ein besseres
Verständnis des Datensatzes zu erhalten, Beziehungen zwischen verschiedenen
Variablen aufzudecken und wichtige Variablen für das Problem zu extrahieren, das
wir zu lösen versuchen. Die Hauptfrage, die wir in diesem Modul zu beantworten
versuchen, lautet 'Welches sind die Merkmale, die sich am stärksten auf den
Fahrzeugpreis auswirken?' Wir werden ein paar verschiedene nützliche explorative
Datenanalysetechniken durchgehen, um diese Frage zu beantworten: In diesem Modul
erfahren Sie mehr über:
- beschreibende Statistiken, die grundlegende Features eines Datensatzes erklären
und eine kurze Zusammenfassung über die Stichprobe und Messwerte der Daten
vermittelt
- die Grundlagen der Gruppierung von Daten mit "Gruppieren nach" und wie dies
helfen kann, unseren Datensatz zu transformieren
- die Korrelation zwischen verschiedenen Variablen
- erweiterte Korrelation. Hier werden wir Ihnen Folgendes vorstellen: verschiedene
korrelationsbezogene statistische Methoden, nämlich Pearson-Korrelation und
Korrelations-Heatmaps.