數據分析步驟分享 EDA Exploratory Data Analysis

2. Data Collection

 

3. Tables(Dataframe = observations * variables)

    

    表格是由觀察樣本跟變數組成的，大家可以先看看每一個變數的定義。

 

4. Sort by each columns(variables)

       from … to …

 

    將連續變數由小到大排序，看看整個範圍區間是否符合預期。

 

 

5. Sampling 100 observations to check the portion of category in each variables.

 

    隨機抽取100筆樣本，看看資料筆數。例如抽樣的100筆中，有15筆是台北市。大概可以算

 

    出台北市的占比大約是15%。

 

6. Drop the useless data.(totally same values/ totally different values )

  

    如果一個變數內的值完全一樣/完全不一樣，代表這個變數無法對資料做出差異。

 

 

7. Observe each variables.

• Discrete variables = Bar chart

• Continuous variables = Hist chart

 

8. Observe the correlation

•Discrete variables * Discrete variables  = Stacked bar chart / Cross table

• Discrete variables  *  Continuous variables  =  Boxplot

• Continuous variables *  Continuous variables = Scatter