Blog

¿Qué es el Análisis Exploratorio de Datos o EDA?

  • Publicado por: Rafael Fernandez
  • Categoría: Blog
No hay comentarios
análisis exploratorio de datos

En Data Science, el Análisis Exploratorio de Datos o en inglés Exploratory Data Analysis (EDA) es un método de análisis de los conjuntos de datos para resumir sus principales características. El EDA se utiliza para ver lo que los datos pueden decirnos antes de la tarea de modelación. No es fácil mirar una columna de números o una hoja de cálculo y determinar las características importantes de los datos. Puede ser una labor tediosa, larga y no sencilla la de derivar conocimientos observando números sencillos. Por lo tanto se han ideado técnicas de análisis exploratorio de datos como ayuda en esta situación.

Definición de Análisis Exploratorio de Datos:

El EDA se refiere al proceso crítico de realizar investigaciones iniciales sobre los datos para descubrir patrones, detectar anomalías, probar hipótesis y verificar supuestos con ayuda de la estadística y representaciones gráficas.

Métodos para realizar análisis exploratorio de datos

1. Datos univariantes (Univariate data)

Este tipo de datos consta de una sola variable. El análisis de datos univariantes es, por lo tanto, la forma más simple de análisis, ya que la información trata solo con una cantidad que cambia. No trata las causas o las relaciones y el objetivo principal del análisis es describir los datos y encontrar los patrones que existen dentro de ellos. El ejemplo de un dato univariado puede ser una lista.
precios_casas = ["400000", "360000","860000","520000","440000","490000"]

Suponga que se registran los precios de 6 casas en venta de un barrio, solo hay una variable que es el precio y no se trata de ninguna causa o relación. La descripción de los patrones encontrados en este tipo de datos se puede hacer sacando conclusiones usando medidas de tendencia central (media, mediana y moda), dispersión o diseminación de datos (rango, mínimo, máximo, cuartiles, varianza y desviación estándar) y usando tablas de distribución de frecuencia, histogramas, gráficos circulares, polígonos de frecuencia y gráficos de barras.

2. Datos bivariados (Bivariate data)

Este tipo de datos involucra dos variables diferentes. El análisis de este tipo de datos se ocupa de causas y relaciones y el análisis se realiza para descubrir la relación entre las dos variables. Ejemplo de datos bivariados puede ser el tamaño de la casa y su precio.
precios_casas = ["400000", "360000","860000","520000","440000","490000" "60", "45", "85", "65", "63", "66"]
tamaño_casas = ["60", "45", "85", "65", "63", "66"]

Suponga que el precio y el tamaño son las dos variables de un dato bivariado. Aquí, la relación es visible desde la tabla de que el tamaño y el precio son proporcionales entre sí y, por lo tanto, están relacionadas porque, a medida que aumenta el tamaño normalmente también aumenta el precio. Por lo tanto, el análisis de datos bivariados implica comparaciones, relaciones, causas y explicaciones. Estas variables a menudo se trazan en los ejes X e Y en el gráfico para una mejor comprensión de los datos y una de estas variables es independiente mientras que la otra es dependiente.

3. Datos multivariados (Multivariate data)

Cuando los datos involucran tres o más variables, se clasifican en multivariados. Un ejemplo de este tipo de datos es suponer que quiero comprar una una casa grande y en un barrio que tenga buenos servicios (farmacias, colegios, mercados…). Para ello necesito información de precios de casas, sus tamaños, ordenarlas por barrio y calcular sus servicios para luego examinar las relaciones entre las variables y poder elegir la mejor casa en función de mis requerimientos.

Es similar al bivariado pero contiene más de una variable dependiente. Las formas de realizar el análisis de estos datos dependen de los objetivos a alcanzar. Algunas de las técnicas son análisis de regresión, análisis factorial o análisis de varianza multivariante (MANOVA).

 

Autor:Rafael Fernandez

Empezé estudiando Física aunque mas tarde me decanté por la Ingeniería. Después de hacer un master de Hidráulica (esp. Aero-hidrodinámica de Vehículos) comenzé el PhD en Ingeniería. Hoy en día me encuentro trabajando para la empresa ITK Engineering AG como ingeniero de desarrollo. Entre mi pasiones está el desarrollo e implementación de todo tipo de códigos en Python y otros lenguages. Puedes visitar mi perfil en Linkedin.