Univariaat en daarna bivariaat

Een goede EDA heeft een vaste volgorde. Begrijp eerst elke kolom afzonderlijk en onderzoek daarna hoe paren samen veranderen. Begin univariaat en eindig bivariaat. 📊

Een enkele kolom op zichzelf bekijken heet univariate analyse. Je onderzoekt wat gebruikelijk is en hoe verspreid de waarden zijn.

Voor één numerieke kolom laat een histogram de vorm zien: klokvormig, scheef of hobbelig. Die vorm geeft aanwijzingen over hoe je de kolom later kunt modelleren.

Voor één labelkolom laat een staafdiagram van value_counts zien welke categorieën overheersen en welke zeldzaam zijn.

Elke numerieke kolom heeft een centrum, zoals het gemiddelde, en een spreiding, zoals de standaardafwijking. Samen vatten ze de kolom in twee getallen samen.

Bestudeer paren zodra de afzonderlijke kolommen duidelijk zijn. Een bivariate analyse onderzoekt of twee variabelen samen stijgen en dalen.

Voor twee numerieke kolommen laat een spreidingsdiagram zien of ze samen een trend volgen, tegengesteld bewegen of helemaal geen verband hebben.

Groepeer en vat samen als je een getal tussen groepen wilt vergelijken. Een gegroepeerd gemiddelde laat in één regel zien hoe kosten per abonnement verschillen.

Voor twee labelkolommen telt een kruistabel elke combinatie, zodat je kunt zien welke paren vaak samen voorkomen.

Een spreidingsdiagram geeft een aanwijzing, maar een getal bevestigt die. De correlatie tussen twee numerieke kolommen meet hoe nauw ze samen bewegen.

Als je relaties onderzoekt voordat je elke kolom kent, zie je valkuilen over het hoofd. De volgorde waarbij je univariaat begint, houdt je conclusies betrouwbaar.

Je onderzoekt één kolom met histogrammen en staafdiagrammen en daarna paren met spreidingsdiagrammen, groeperingen en correlatie. De volgorde houdt je inzichten betrouwbaar. ✅