एकचर विश्लेषण
व्यक्तिगत फ़ीचर को समझने के लिए वितरण आलेख, हिस्टोग्राम, बॉक्स आलेख और गणना आलेख।
एकचर विश्लेषण, CoddyKit पर पाइथन के साथ एआई सीखें का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह पाइथन के साथ एआई सीखें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
एकचर विश्लेषण क्या है?
एकचर विश्लेषण किसी एक समय में एक चर की जाँच करता है, ताकि उसके वितरण का केंद्र, फैलाव, स्वरूप और असामान्य मान समझे जा सकें।
उपयुक्त आलेख चर के प्रकार पर निर्भर करता है:
- संख्यात्मक → आयतचित्र, KDE, बॉक्स प्लॉट, वायलिन प्लॉट
- श्रेणीबद्ध → गणना-चित्र (आवृत्तियों का स्तंभ आलेख)
आलेख बनाने वाली लाइब्रेरी तैयार करना
हम मैटप्लॉटलिब (plt) और सीबॉर्न (sns) का उपयोग करते हैं। सांख्यिकीय आलेखों के लिए सीबॉर्न, मैटप्लॉटलिब के ऊपर बेहतर डिफ़ॉल्ट सुविधाएँ प्रदान करता है।
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
sns.set_theme(style="whitegrid")
df = pd.read_csv("data.csv")plt.hist से आयतचित्र
एक आयतचित्र संख्यात्मक मानों को खंडों में बाँटता है और गिनता है कि हर खंड में कितने मान आते हैं। इससे वितरण का समग्र स्वरूप दिखाई देता है।
bins तर्क विवरण के स्तर को नियंत्रित करता है—बहुत कम खंड संरचना छिपा देते हैं, जबकि बहुत अधिक खंड अनावश्यक शोर जोड़ते हैं।
plt.hist(df["age"], bins=30, edgecolor="black")
plt.xlabel("Age")
plt.ylabel("Count")
plt.title("Age Distribution")
plt.show()KDE आलेख — सुगम घनत्व
कर्नेल घनत्व अनुमान (sns.kdeplot) वितरण का अनुमान लगाने वाला एक चिकना वक्र बनाता है, जिसे असमान आयतचित्र स्तंभों की तुलना में पढ़ना आसान हो सकता है।
दोनों को sns.histplot(..., kde=True) के साथ मिलाकर चिकने वक्र को स्तंभों के ऊपर दिखाएँ।
sns.kdeplot(df["age"], fill=True)
plt.show()
sns.histplot(df["age"], bins=30, kde=True)
plt.show()Skew का पता लगाना
Skew असममिति को मापता है। दाईं ओर लंबी पूँछ को दाईं ओर की (धनात्मक) skew और बाईं ओर लंबी पूँछ को बाईं ओर की (ऋणात्मक) skew कहा जाता है।
आय, कीमतें और गणनाएँ सामान्यतः दाईं ओर skew होती हैं। आप इसे df[col].skew() से माप सकते हैं—0 से बहुत दूर के मान skew का संकेत देते हैं।
print(df["income"].skew()) # e.g. 2.3 -> strong right skew
sns.histplot(df["income"], bins=40, kde=True)
plt.show()द्विशिखरी वितरण का पता लगाना
द्विशिखरी वितरण में दो शिखर होते हैं। यह अक्सर इस बात का संकेत होता है कि दो अलग-अलग समूह एक साथ मिले हुए हैं (जैसे, एक ही कीमत वाले स्तंभ में दो उत्पाद प्रकार)।
KDE आलेख द्विशिखरता को स्पष्ट कर देते हैं—दो उभारों को खोजें। यह संकेत देता है कि कोई छिपा हुआ श्रेणीबद्ध चर इस विभाजन को समझा सकता है।
sns.kdeplot(df["price"], fill=True)
plt.title("Two peaks suggest two subpopulations")
plt.show()sns.boxplot से बॉक्स प्लॉट
एक बॉक्स प्लॉट माध्यिका (बीच की रेखा), अंतरचतुर्थक विस्तार (IQR, बॉक्स) और लगभग 1.5x IQR तक फैली बाहर निकलती रेखाएँ दिखाता है। इन रेखाओं से बाहर के बिंदुओं को अपवर्ती मान के रूप में चिह्नित किया जाता है।
sns.boxplot(x=df["income"])
plt.title("Income — box plot")
plt.show()अपवर्ती मान और IQR नियम
बॉक्स प्लॉट IQR नियम का उपयोग करता है: कोई बिंदु तब अपवर्ती मान होता है जब वह Q1 - 1.5*IQR से नीचे या Q3 + 1.5*IQR से ऊपर हो।
अत्यधिक मानों को छाँटने या सीमित करने के लिए आप सीमाओं की गणना स्वयं कर सकते हैं।
q1 = df["income"].quantile(0.25)
q3 = df["income"].quantile(0.75)
iqr = q3 - q1
low, high = q1 - 1.5*iqr, q3 + 1.5*iqr
outliers = df[(df["income"] < low) | (df["income"] > high)]
print(len(outliers), "outliers")sns.violinplot से वायलिन प्लॉट
एक वायलिन प्लॉट बॉक्स प्लॉट को प्रतिबिंबित KDE के साथ जोड़ता है। हर ऊँचाई पर इसकी चौड़ाई घनत्व दिखाती है, इसलिए आपको एक ही समय में स्वरूप और सारांश आँकड़े दिखाई देते हैं।
वायलिन प्लॉट skew या द्विशिखरता को उजागर करने के लिए बहुत उपयोगी हैं, जिन्हें साधारण बॉक्स प्लॉट छिपा सकता है।
sns.violinplot(x=df["age"])
plt.title("Age — violin plot")
plt.show()श्रेणीबद्ध चरों के लिए गणना-चित्र
श्रेणीबद्ध स्तंभों के लिए sns.countplot का उपयोग करें—यह श्रेणियों की आवृत्तियों का स्तंभ आलेख है। यह value_counts() का दृश्य रूप है।
पढ़ने में आसानी के लिए order तर्क से स्तंभों को आवृत्ति के अनुसार क्रमबद्ध करें।
order = df["city"].value_counts().index
sns.countplot(y="city", data=df, order=order)
plt.title("Records per city")
plt.show()सही एकचर आलेख चुनना
त्वरित निर्णय-मार्गदर्शिका:
- संख्यात्मक स्तंभ का स्वरूप → आयतचित्र या KDE
- अपवर्ती मान और चतुर्थक → बॉक्स प्लॉट
- स्वरूप और सारांश साथ में → वायलिन प्लॉट
- श्रेणियों की आवृत्तियाँ → गणना-चित्र
त्वरित जाँच: आलेख का चुनाव
आप किसी एक संख्यात्मक स्तंभ की माध्यिका, चतुर्थक और अपवर्ती मान देखना चाहते हैं।
पुनरावृत्ति: एकचर विश्लेषण
आपने एक समय में एक चर की जाँच करना सीखा:
- वितरण के स्वरूप के लिए
plt.histऔरsns.kdeplot - असममिति को मापने के लिए
.skew(); द्विशिखरता के लिए KDE के उभार - अपवर्ती मानों के लिए
sns.boxplotऔर IQR नियम - स्वरूप और सारांश को साथ देखने के लिए
sns.violinplot - श्रेणीबद्ध आवृत्तियों के लिए
sns.countplot
अब हम दो या अधिक चरों के बीच संबंधों को देखेंगे।
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 53
- पाठ
- 225
अक्सर पूछे जाने वाले प्रश्न
क्या “एकचर विश्लेषण” पाठ निःशुल्क है?
हाँ — पाइथन के साथ एआई सीखें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “एकचर विश्लेषण” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“एकचर विश्लेषण” में मैं क्या सीखूँगा?
व्यक्तिगत फ़ीचर को समझने के लिए वितरण आलेख, हिस्टोग्राम, बॉक्स आलेख और गणना आलेख। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ पाइथन के साथ एआई सीखें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या पाइथन के साथ एआई सीखें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर पाइथन के साथ एआई सीखें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।
“एकचर विश्लेषण” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस पाइथन के साथ एआई सीखें पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर पाइथन के साथ एआई सीखें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- EDA कार्यप्रवाह और डेटा प्रोफ़ाइलिंग
- एकचर विश्लेषण
- द्विचर और बहुचर विश्लेषण
- फ़ीचर वितरण और लक्ष्य विश्लेषण