15 приёмов EDA на Python, которые работают лучше красивого дизайна

В сфере искусственного интеллекта произошло заметное событие. Каждый раз, когда вы делаете EDA, вы стоите перед выбором: нарисовать быстрый df. plot() - или потратить 10-20 минут на оформление, которое скажет что-то важное про ваши данные. В нашем курсе в МТС Школа Аналитиков Данных мы проверили этот выбор экспериментально: 44 студента сделали 220 EDA-графиков, мы получили 6000 попарных сравнений и проанализировали через CrowdBT.

(кстати, уже второй раз! ) Результат: победители используют не больше данных, а больше контекста. Фоновые зоны, медианы, адаптивная перекраска, inset-axes - именно эти приёмы отличают скучный график от графика, который меняет решения.

В статье - cookbook из 15 рецептов с кодом "до" и "после" на python. Данные - встроенный seaborn. load_dataset("diamonds копируйте, запускайте, вдохновляйтесь.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.