Univariat, dann bivariat

Gute EDA folgt einer Reihenfolge. Verstehen Sie zuerst jede Spalte für sich und untersuchen Sie dann, wie sich Paare gemeinsam entwickeln. Beginnen Sie univariat und schließen Sie bivariat ab. 📊

Die Betrachtung einer einzelnen Spalte für sich ist eine univariate Analyse. Sie fragen, was typisch ist und wie stark die Werte streuen.

Bei einer numerischen Spalte zeigt ein Histogramm ihre Form: glockenförmig, schief oder unregelmäßig. Die Form gibt Hinweise darauf, wie Sie die Daten später modellieren können.

Bei einer einzelnen Spalte mit Bezeichnungen zeigt ein Balkendiagramm aus value_counts, welche Kategorien dominieren und welche selten sind.

Jede numerische Spalte hat ein Zentrum, etwa den Mittelwert, und eine Streuung, etwa die Standardabweichung. Zusammen fassen sie die Spalte in zwei Zahlen zusammen.

Sobald Sie einzelne Spalten verstehen, untersuchen Sie Paare. Die bivariate Analyse fragt, ob sich zwei Variablen gemeinsam auf- und abwärts bewegen.

Bei zwei numerischen Spalten zeigt ein Streudiagramm, ob sie einem gemeinsamen Trend folgen, gegensätzlich verlaufen oder völlig ohne Zusammenhang streuen.

Um eine Zahl zwischen Gruppen zu vergleichen, gruppieren und fassen Sie die Daten anschließend zusammen. Ein gruppierter Mittelwert zeigt in einer Zeile, wie sich die Gebühren nach Tarif unterscheiden.

Bei zwei Spalten mit Bezeichnungen zählt eine Kreuztabelle jede Kombination, sodass Sie sehen können, welche Paare häufig gemeinsam auftreten.

Ein Streudiagramm gibt einen Hinweis, aber eine Zahl bestätigt ihn. Die Korrelation zwischen zwei numerischen Spalten misst, wie eng sie sich gemeinsam bewegen.

Wenn Sie Beziehungen untersuchen, bevor Sie jede Spalte kennen, übersehen Sie leicht Fallstricke. Die Reihenfolge „zuerst univariat“ hält Ihre Schlussfolgerungen verlässlich.

Sie untersuchen eine Spalte mit Histogrammen und Balkendiagrammen und anschließend Paare mit Streudiagrammen, Gruppierungen und Korrelation. Die Reihenfolge hält Ihre Erkenntnisse ehrlich. ✅