معرفی شرکت ها

data-analyzer-0.0.1

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.0.1

توضیحات

Auto EDA package
ویژگی مقدار
سیستم عامل -
نام فایل data-analyzer-0.0.1
نام data-analyzer
نسخه کتابخانه 0.0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده KSV Muralidhar
ایمیل نویسنده murali_dhar0552@yahoo.com
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/data-analyzer/
مجوز MIT
### Auto EDA package - Automatically detects numeric and categorical features - User may manually assign numeric and categorical features using set_numeric_features() and set_categorical_features() methods if the feature detection is incorrect (recommended). - get_data_structure_summary() provides basic information like head, tail, data types, missing value info, etc. - get_categorical_features_summary() provides information like count of unique values, unique values, data distribution, etc of categorical features. - get_numeric_features_summary() provides summary of numeric features along with distribution plots. - plot_correlation_matrix() plots the Pearson and Spearman correlation matrices of all the numeric features. - plot_chi_square_result() plots the p-values of the chi-square tests performed between categorical features. - plot_numeric_vs_numeric() plots scatter plots between the numeric features. - plot_categorical_vs_categorical() plots stacked bar plots between the categorical features. - a.plot_mutual_information(target) plots a bar plot showing the mutual information score between the input features and target. - a.get_vif() returns the VIF scores of all the numeric features. - plot_categorical_vs_numeric() plots violin plots between all the categorical features and numeric features.


زبان مورد نیاز

مقدار نام
>=3.7 Python


نحوه نصب


نصب پکیج whl data-analyzer-0.0.1:

    pip install data-analyzer-0.0.1.whl


نصب پکیج tar.gz data-analyzer-0.0.1:

    pip install data-analyzer-0.0.1.tar.gz