😀 Всем привет!

📚 Сегодня поделюсь подборкой инструментов для автоматического исследоватльского анализа данных (EDA).

🙋‍♀️ EDA является важным этапом для аналитиков данных, поскольку он позволяет получить всестороннее представление о наборе данных. Используя статистические методы и визуализацию, можно выявлять закономерности, тенденции и аномалии в данных. EDA помогает находить проблемы с качеством данных, такие как пропущенные значения или выбросы, обеспечивая надежность последующего анализа.

🦸‍♂️ Этап важный, но довольно рутинный, поэтому автоматизированных инструментов хватает:

🐼 pandas-profiling

🥇 Я его использую сам, но есть и другие достойные альтернативы, если нужен упор на визуализации или автономность.

Предоставляет возможность проводить EDA в одну строку. Можно экспортировать анализ в различные форматы, такие как html и json.

📊 AutoViz

С помощью AutoViz вы можете легко и быстро создавать визуализации для ваших данных. AutoViz может помочь изучить данные и получить ценную информацию.

🍬 sweetviz

Библиотека Python с открытым исходным кодом, которая генерирует визуализации для EDA всего двумя строками кода. На выходе получаете полностью автономное HTML-приложение.

🧖‍♂️ dtale

Библиотека на Flask и React, которая предоставляет вам простой способ просмотра и анализа структур данных Pandas. Интегрируется с ноутбуками ipython и терминалами python / ipython.

🧑‍🍳 dataprep

Позволяет проводить EDA данных Pandas / Dask с помощью нескольких строк кода за считанные секунды.

🏋️‍♀️ AutoProfiler

Автоматически визуализирует DataFrame Pandas после каждого выполнения ячейки, никакого дополнительного кода не требуется.

✒️ А вы доверяете EDA автоматизированным инструментам или все делаете сами? Хотели бы подробный разбор одного из инструментов?

#подборка