探索性数据分析
前面几篇已经把很多坑摊开说过了。 
数据来源要查，字段含义要问，标签口径要定，缺失和异常要分清楚，相关性不能当圣旨，平均数不能当全景图，时间顺序更不能随便打乱。 
这些事情看起来零碎，实际都指向同一个动作。 
探索性数据分析。 
听起来有点像教材上的词汇，换成人话就是，别急着建模，先把数据翻一遍，看它到底长什么样，能说什么，不能说什么，哪里可信，哪里可疑，哪里需要我们继续深挖。 
很多人一听 EDA，第一反应是画几张图。 
直方图，箱线图，散点图，热力图，最后再来一个 pairplot，电脑风扇开始起飞，notebook 看上去非常努力。图画了几十张，滑轮滚到冒烟，结论只有一句，看起来还行。 
EDA 当然需要图，但 EDA 远远不等于把所有列全都画一遍。那叫图表批发，量大管饱，但是信息含量不一定高。真正的 EDA 更像侦查。你要带着问题进入数据，带着怀疑检查数据，带着目标...