删除缺失值后，检查存在的行数。
原来的行数是11914，现在剩下的行数是11813。
统计摘要
现在，让我们找出数据集的统计总结或五点总结。五点总结给出描述性总结，包括每个变量的均值、中位数、众数、编号、行数、最大值和最小值。
对于具有对象数据类型变量的Mean, standard deviation, max, and percentile values设为NaN 。
对于具有int数据类型变量的 unique, top, frequency设为NaN 。
从描述摘要得出，共有47种车和904款车型。数据显示雪佛兰拥有最多的11115辆汽车。该车的平均价格为40581.5美元。价格的第50 百分位数或中位数是29970。价格的平均值和中位数之间存在巨大差异。这说明价格变量高度偏斜，我们可以使用直方图直观地进行检查。
数据可视化
顾名思义，数据可视化是使用各种类型的图，图形等观察数据。各种图包括直方图，散点图，箱线图，热图等。我们将使用matplotlib和seaborn一起可视化一些变量
直方图（分布图）
直方图用于显示数值变量的形状和分布。对于类别变量，它显示变量中存在的类别计数。
从两个直方图中都可以看出，HP变量分布很均匀。它有点向右倾斜。这意味着它有些偏右，但分布正常。但是，价格变量高度偏斜。
分类变量的直方图
这是“ 制造变量” 的计数图。每个条形图都显示数据集中存在的类别计数。
离群值检查
离群值是与其他值或观察值明显不同的值。离群值会在建模中产生重大问题。因此，有必要找到异常值并对其进行处理。
异常值可以使用箱线图进行检测。箱线图使用四分位数描述变量分布。它也被称为盒须图。
以上所有箱线图显示，price和c_mpg变量中存在许多异常值。在Cylinders变量中，只有4个观测值是异常值。
根据箱形图，超出Q1（25个百分位数）和Q3（75个百分位数）或IQR（四分位数间距）范围之外的任何观测值均被视为异常值。
如果数据集中存在大量异常值，则必须对异常值进行处理。像地板，封盖之类的方法可用于估算离群值。
相关图
计算相关系数，找出两个变量之间的关系强度。相关范围从-1到1。-1相关值为强负相关，1为强正相关。0表示两个变量之间没有关系。
从以上的相关图中可以看出，有很多变量之间是紧密相关的。例如，c_mpg与h_mpg之间的相关值为0.85，接近于1。这意味着他们之间有很强的正相关关系。同理，Cylinders和c_mpg呈负相关。
散点图
使用Pairplot找出变量之间的关系。它绘制每个变量之间的散点图。散点图也可以单独使用。而pairplot将给出一行中所有数值变量之间的关系图。
尾注
以上所有步骤都是EDA的一部分。这不是EDA的终点。上面执行的所有步骤都是在进行特征工程或建模之前必须执行的基础数据分析。
EDA是整个数据科学过程中的重要步骤之一。据说模型构建大部分时间都用于EDA和特征工程。如果您想从数据中获取大量的信息，则需要进行大量的EDA。
