使用探索資料分析(EDA)筆記本探索預測模型的Web型資料

2025年5月5日

建立對象：

  • 使用者
  • 開發人員
NOTE
Data Science Workspace已無法購買。
本檔案旨在供先前有權使用Data Science Workspace的現有客戶使用。

探索資料分析(EDA)筆記型電腦的設計目的，是協助您探索資料中的模式、檢查資料健全度，以及總結預測模型的相關資料。

EDA筆記型電腦範例是以Web資料為基礎進行最佳化，由兩部分組成。 第一部分從使用查詢服務來檢視趨勢和資料快照開始。 接著，以探索性資料分析為目標，在設定檔和訪客層級彙總資料。

第二部分使用Python程式庫對彙總資料執行描述性分析。 此筆記本會展示如長條圖、散佈圖、方塊圖和關聯矩陣等視覺效果，以取得可操作的深入分析，用於判斷哪些功能最有可能對預測目標有所幫助。

快速入門

閱讀本指南之前，請先檢閱JupyterLab 使用手冊，以瞭解JupyterLab及其在Data Science Workspace中的角色的高層級簡介。 此外，如果您使用自己的資料，請檢閱 Jupyterlab 筆記本🔗中資料存取的檔案。 本指南包含有關筆記本資料限制的重要資訊。

此筆記本使用Analytics Analysis Workspace中的Adobe Analytics Experience Events資料形式的中值資料集。 若要使用EDA筆記本，您必須使用下列值target_table和target_table_id來定義資料表。 可以使用任何中值資料集。

若要尋找這些值，請依照JupyterLab資料存取指南的寫入python資料集一節中概述的步驟。 資料集名稱(target_table)位於資料集目錄中。 當您用滑鼠右鍵按一下資料集以探索或寫入筆記本中的資料時，可執行檔程式碼專案會提供資料集ID (target_table_id)。

資料探索

本節包含用於檢視趨勢（例如「依使用者活動排名的前十個城市」或「已檢視的前十個產品」）的設定步驟和範例查詢。

程式庫的設定

JupyterLab支援多個程式庫。 下列程式碼可在程式碼儲存格中貼上並執行，以收集並安裝此範例使用的所有必要套件。 您可以在此範例之外使用其他或替代套件進行您自己的資料分析。 如需支援的套件清單，請將!pip list --format=columns複製並貼到新的儲存格中。

!pip install colorama
import chart_studio.plotly as py
import plotly.graph_objs as go
from plotly.offline import iplot
from scipy import stats
import numpy as np
import warnings
warnings.filterwarnings('ignore')
from scipy.stats import pearsonr
import matplotlib.pyplot as plt
from scipy.stats import pearsonr
import pandas as pd
import math
import re
import seaborn as sns
from datetime import datetime
import colorama
from colorama import Fore, Style
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
pd.set_option('display.width', 1000)
pd.set_option('display.expand_frame_repr', False)
pd.set_option('display.max_colwidth', -1)