Python For Kids · पाठ

Exploratory Data Analysis (EDA)

Pandas और Matplotlib का उपयोग करके Data का सारांश बनाने, उसे Visualize करने और समझने की तकनीकें सीखें

पाठ 5, कुल 5 में से11 चरण

Exploratory Data Analysis (EDA), CoddyKit पर Python For Kids का एक निःशुल्क पाठ है। यह 5 में से 5वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Python For Kids सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Python For Kids पाठ्यक्रम में कुल 5 पाठ शामिल हैं।

EDA का अवलोकन

अन्वेषणात्मक डेटा विश्लेषण (EDA)

अन्वेषणात्मक डेटा विश्लेषण (EDA), डेटा विज्ञान कार्यप्रवाह का एक महत्वपूर्ण चरण है। इसमें पैटर्न, संबंधों और अंतर्दृष्टियों को उजागर करने के लिए डेटा का सारांश बनाना, उसका दृश्यांकन करना और उसे समझना शामिल है।

इस पाठ में आप पैंडस और मैटप्लॉटलिब जैसी पायथन लाइब्रेरी का उपयोग करके EDA करने की तकनीकें सीखेंगे।

Exploratory Data Analysis (EDA) — चित्र 1

EDA क्या है?

EDA आपकी सहायता करता है:

डेटा की संरचना और विशेषताओं को समझने में।
पैटर्न, रुझानों और बाहरी मानों की पहचान करने में।
आगे के विश्लेषण या मॉडलिंग के लिए डेटा का पूर्वप्रसंस्करण कैसे करना है, यह तय करने में।

पैंडस से डेटा का सारांश बनाना

पैंडस वर्णनात्मक आँकड़े तैयार करने और डेटासेट का सारांश बनाने के लिए फ़ंक्शन उपलब्ध कराता है:

# Example: Summarizing data
import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'Salary': [50000, 60000, 70000]}
df = pd.DataFrame(data)
print(df.describe())

Matplotlib से डेटा का दृश्यांकन

Matplotlib दृश्यांकन बनाने के लिए एक शक्तिशाली लाइब्रेरी है। EDA के लिए चार्ट और ग्राफ़ बनाने हेतु इसका उपयोग करें।

# Example: Plotting data
import matplotlib.pyplot as plt

x = ['Alice', 'Bob', 'Charlie']
y = [50000, 60000, 70000]
plt.bar(x, y)
plt.title('Salaries')
plt.show()

गायब डेटा की पहचान करना

पैंडस डेटासेट में गायब मानों का पता लगाना आसान बनाता है:

# Example: Identifying missing data
data = {'Name': ['Alice', 'Bob', None], 'Age': [25, None, 35]}
df = pd.DataFrame(data)
print(df.isnull().sum())

सहसंबंध विश्लेषण

सहसंबंध संख्यात्मक चरों के बीच संबंध को मापता है। सहसंबंध मैट्रिक्स की गणना करने के लिए पैंडस का उपयोग कीजिए:

# Example: Correlation analysis
print(df.corr())

वितरण का दृश्यांकन

डेटा के वितरण को समझना EDA के लिए महत्वपूर्ण है। वितरण का दृश्यांकन करने के लिए हिस्टोग्राम का उपयोग करें:

# Example: Visualizing distributions
import seaborn as sns
sns.histplot(df['Salary'])
plt.show()

बाहरी मानों की पहचान

बाहरी मान विश्लेषण को प्रभावित कर सकते हैं। बाहरी मानों की पहचान करने के लिए बॉक्स प्लॉट उपयोगी होते हैं:

# Example: Detecting outliers
sns.boxplot(x=df['Salary'])
plt.show()

EDA में सामान्य गलतियाँ

इन गलतियों से बचें:

दृश्यांकन छोड़ देना और केवल संख्यात्मक सारांशों पर निर्भर रहना।
गुम डेटा और बाहरी मानों को नज़रअंदाज़ करना।
चर के बीच संबंधों का अन्वेषण न करना।

हमने क्या सीखा?

इस पाठ में आपने सीखा:

अन्वेषणात्मक डेटा विश्लेषण (EDA) का महत्व।
पैंडस का उपयोग करके डेटा का सारांश बनाना।
मैटप्लॉटलिब और सीबॉर्न का उपयोग करके डेटा वितरण, बाहरी मानों और सहसंबंधों का दृश्यांकन करना।
EDA के दौरान बचने योग्य सामान्य गलतियाँ।

बहुत बढ़िया! अब अगले विषय पर चलते हैं।

Exploratory Data Analysis (EDA) — चित्र 11

शुरुआत निःशुल्क

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: 22
पाठ: 94

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “Exploratory Data Analysis (EDA)” पाठ निःशुल्क है?

हाँ—“Exploratory Data Analysis (EDA)” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Python For Kids पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Python For Kids पाठ्यक्रम में कुल 5 पाठ शामिल हैं।

“Exploratory Data Analysis (EDA)” में मैं क्या सीखूँगा?

Pandas और Matplotlib का उपयोग करके Data का सारांश बनाने, उसे Visualize करने और समझने की तकनीकें सीखें आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Python For Kids का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या Python For Kids शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Python For Kids 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 5 में से 5वाँ पाठ है।

“Exploratory Data Analysis (EDA)” 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 Python For Kids पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर Python For Kids 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

← Python For Kids पर वापस जाएँ