数据分析的过程

1. 数据分析过程组织为五个步骤：提问、整理、探索、得出结论和传达结果

2. 数据分析的用途：制作仪表盘报表，分析A/B测试结果，用机器学习和人工智能进行深入的分析

3. 数据分析步骤的具体解说：

A  提问

你要么获取一批数据，然后根据它提问，要么先提问，然后根据问题收集数据。在这两种情况下，好的问题可以帮助你将精力集中在数据的相关部分，并帮助你得出有洞察力的分析。

B  整理数据

你通过三步来获得所需的数据：收集，评估，清理。你收集所需的数据来回答你的问题，评估你的数据来识别数据质量或结构中的任何问题，并通过修改、替换或删除数据来清理数据，以确保你的数据集具有最高质量和尽可能结构化。

C  执行EDA(探索性数据分析)

你可以探索并扩充数据，以最大限度地发挥你的数据分析、可视化和模型构建的潜力。探索数据涉及在数据中查找模式，可视化数据中的关系，并对你正在使用的数据建立直觉。经过探索后，你可以删除异常值，并从数据中创建更好的特征，这称为特征工程。

D  得出结论（或甚至是做出预测）

这一步通常使用机器学习或推理性统计来完成

E  传达结果

你通常需要证明你发现的见解及传达意义。或者，如果你的最终目标是构建系统，则通常需要分享构建的结果，解释你得出设计结论的方式，并报告该系统的性能。传达结果的方法有多种：报告、幻灯片、博客帖子、电子邮件、演示文稿，甚至对话。数据可视化总会给你呈现很大的价值。

4. 包：充满类和函数的库

NumPy、Pandas 和 Matplotlib 是数据分析的三个核心包。

Python 被视为数据科学标准语言的最主要原因之一在于其强大的包

5.EDA：意味着你要探索并增加数据，从而将分析、可视化界面和模型的潜力最大化

6.数据评估完后，就需要解决数据里出现的问题，常见问题包括：数据类型错误、数据缺失、数据冗余和结构问题