本篇内容主要讲解“Python数据挖掘中常用的AutoEDA工具有哪些”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python数据挖掘中常用的AutoEDA工具有哪些”吧!
1、Pandas Profiling
Pandas Profiling是款比较成熟的工具，可以直接传入DataFrame即可完成分析过程，将结果展示为HTML格式，同时分析功能也比较强大。
功能：字段类型分析、变量分布分析、相关性分析、缺失值分析、重复行分析
耗时：较少
2、AutoViz
https://github.com/AutoViML/AutoViz
AutoViz是款美观的数据分析工具，在进行可视化的同时将结果保存为图片格式。
功能：相关性分析、数值变量箱线图、数值变量分布图
耗时：较多
3、Dataprep
https://dataprep.ai/
Dataprep是款比较灵活也比较强大的工具，也是笔者最喜欢的。它可以指定列进行分析，同时也可以在Notebook中进行交互式分析。
功能：字段类型分析、变量分布分析、相关性分析、缺失值分析、交互式分析。
耗时：较多
4、SweetViz
https://github.com/fbdesignpro/sweetviz
SweetViz是款强大的数据分析工具，可以很好的分析训练集和测试集，以及目标标签与特征之间的关系。
功能：数据集对比分析、字段类型分析、变量分布分析、目标变量分析
耗时：中等
5、D-Tale
https://github.com/man-group/dtale
D-Tale是款功能最为强大的数据分析工具，对单变量的分析过程支持比较好。
功能：字段类型分析、变量分布分析、相关性分析、缺失值分析、交互式分析。
耗时：中等
到此，相信大家对“Python数据挖掘中常用的AutoEDA工具有哪些”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
