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。
fromeasyedaimportedaimportpandasaspdfromsklearnimportdatasetsfromsklearn.model_selectionimporttrain_test_splitboston=datasets.load_boston()df=pd.DataFrame(boston.data,columns=boston.feature_names)df["label"]=boston.targetdftrain,dftest=train_test_split(df,test_size=0.3)dfeda=eda(dftrain,dftest,language="Chinese")
核心代码只有两行：
fromeasyedaimportedadfeda=eda(dftrain,dftest,language="Chinese")
三，项目地址
Github:/lyhue1991/easyeda
PyPI:/project/easyeda/
