EDA 自动化库：SpeedML

必须知道的库之一，才能拥有深刻的 EDA！

在数据科学领域，我们知道探索性数据分析或 EDA 是最重要和最耗时的部分，并且要拥有可用于模型的数据，我们必须花费大量时间来理解和处理数据。

SpeedML 是一个用于快速启动机器学习管道的 python 包。

SpeedML 导入并正确初始化其中已定义的流行 ML 包，包括 pandas、numpy、sklearn、xgboost 和 matplotlib。
简而言之，我们只需要导入 SpeedML，我们就可以创建各种各样的图、清理数据、添加和删除特征等。

由于迭代开发、线性工作流程和基于组件的 API，使用 SpeedML 包的编码速度提高了 3 倍，并将编码时间减少了 70%。

在这篇博客中，我们将看到一些我们可以使用 speedml 的特性以及 EDA 将变得多么有趣！

我将使用一个非常著名的“titanic.csv”，它分为训练和测试 excel 表。

安装：

点安装速度ml

导入所需的库：

从 speedml 导入 Speedml

初始化 Speedml ：

sml=Speedml('train.csv','test.csv',target='Survived',uid='PassengerId')
sml.shape() #查看形状

探索性数据分析：

sml.train.head()

sml.train.describe()

sml.train.info()
打印('-'*40)
sml.test.info()

 <class 'pandas.core.frame.DataFrame'>  
 RangeIndex：891 个条目，0 到 890  
 数据列（共11列）：  
 # 列非空计数 Dtype  
 --- ------ -------------- -----  
 0 幸存的 891 非空 int64  
 1 Pclass 891 非空 int64  
 2 命名 891 非空对象  
 3 Sex 891 非空对象  
 4 年龄 714 非空 float64  
 5 SibSp 891 非空 int64  
 6 修订版 891 非空 int64  
 7 票证 891 非空对象  
 8 票价 891 非空 float64  
 9 Cabin 204 非空对象  
 10 Embarked 889 非空对象  
 数据类型：float64(2)、int64(4)、object(5)  
 内存使用量：76.7+ KB  
 -------------------------------------------------- --------------------------------------  
 <class 'pandas.core.frame.DataFrame'>  
 RangeIndex：418 个条目，0 到 417  
 数据列（共10列）：  
 # 列非空计数 Dtype  
 --- ------ -------------- -----  
 0 Pclass 418 非空 int64  
 1 名称 418 非空对象  
 2 Sex 418 非空对象  
 3 年龄 332 非空 float64  
 4 SibSp 418 非空 int64  
 5 修订版 418 非空 int64  
 6 票证 418 非空对象  
 7 票价 417 非空 float64  
 8 Cabin 91 非空对象  
 9 Embarked 418 非空对象  
 数据类型：float64(2)、int64(3)、object(5)  
 内存使用量：32.8+ KB