在算法工程师的日常工作中， 探 索性数据分析 ( Exploratory Data Analysis ) 是一种常见的 任务。 通过分析数据的缺失情况，分布情况，以及和标签的相关性等，数据 EDA 可以帮助算法工程师评估数据的质量，了解数据的 特点， 为特征工程 提供方向指引，并对后续建立的模型能够达到的效果上限形成初步预期 。
我将我常用来进行数据EDA的这套脚本封装成了一个库easyeda并在PyPI和github开源了出来，供大家参考使用。这是我个人发布的第一个开源Python包，感觉还是棒棒哒，希望可以给大家带来一些帮助。
一，easyeda简介
easyeda是一个简单但是实用的探索性数据分析工具。
easyeda可以对常见的二分类问题，多分类问题，以及回归问题进行探索性数据分析。
easyeda支持所有常见的数值型，字符串型数据，bool型数据属性的探索性数据分析。
easyeda支持常见的缺失值分析，数据分布分析，数据和label的相关性分析，训练集和测试集数据的同分布性分析。
二，使用范例
首先，可以使用pip安装easyeda。
pip install easyeda
然后可以通过如下示范代码进行调用。
from easyeda import eda
import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split
boston = datasets.load_boston()
df = pd.DataFrame(boston.data,columns = boston.feature_names)
df["label"] = boston.target
dftrain,dftest = train_test_split(df,test_size = 0.3)
dfeda = eda(dftrain,dftest,language="Chinese")
核心代码只有两行：
from easyeda import eda
dfeda = eda(dftrain,dftest,language="Chinese")
三，项目地址
Github: https://github.com/lyhue1991/easyeda
PyPI: https://pypi.org/project/easyeda/
公众号后台回复关键字： easyeda，获取项目全部源码。