一、前言

探索性数据分析（Exploratory Data Analysis，简称 EDA）是数据分析项目的核心环节：

• 帮助分析师快速理解数据结构和分布

• 发现潜在规律和异常点

• 为后续建模提供特征选择依据

本篇文章将使用 Python 对数据进行完整 EDA 实战操作。

---

二、导入数据

以 Titanic 数据集为例：

import pandas as pd import seaborn as sns df = sns.load_dataset('titanic') df.head() df.info()

关键点：

• 检查数据类型

• 查看缺失值

• 初步了解数据规模和字段

---

三、单变量分析

1. 数值型变量

import matplotlib.pyplot as plt # 描述性统计 print(df['age'].describe()) # 分布直方图 plt.hist(df['age'].dropna(), bins=20, color='skyblue', edgecolor='black') plt.title('Age Distribution') plt.xlabel('Age') plt.ylabel('Count') plt.show()

1. 类别型变量

sns.countplot(x='pclass', data=df) plt.title('Passenger Class Count') plt.show()

• 帮助理解变量的分布和偏态

---

四、双变量分析

1. 数值型 vs 类别型

sns.boxplot(x='pclass', y='age', data=df) plt.title('Age by Passenger Class') plt.show()

1. 类别型 vs 类别型

pd.crosstab(df['pclass'], df['survived']).plot(kind='bar', stacked=True) plt.title('Survival by Passenger Class') plt.show()

---

五、相关性分析

1. 计算相关性矩阵

corr = df.corr() print(corr)

1. 绘制热力图

sns.heatmap(corr, annot=True, cmap='coolwarm') plt.title('Correlation Heatmap') plt.show()

• 发现变量之间的线性关系

• 便于后续特征选择

---

六、缺失值与异常值分析

1. 缺失值可视化

sns.heatmap(df.isnull(), cbar=False, cmap='viridis') plt.title('Missing Values Heatmap') plt.show()

1. 异常值分析

sns.boxplot(x='fare', data=df) plt.title('Fare Outlier Detection') plt.show()

• 提前发现数据问题，避免影响建模

---

七、特征分布与交互分析

• 可用 散点图、成对图（pairplot）查看变量关系

sns.pairplot(df[['age','fare','survived']], hue='survived') plt.show()

• 可快速发现潜在规律和特征组合