EDA是“Exploratory Data Analysis”（探索性数据分析）的缩写。它是一种统计方法，用于研究数据，以识别数据集中的模式、异常和关系。EDA通常在数据挖掘、数据科学和机器学习项目的早期阶段使用，目的是更好地理解数据，为后续的数据处理、建模和决策提供依据。
在EDA过程中，数据科学家会执行以下任务：
1. 数据清洗：处理缺失值、异常值和不一致的数据。
2. 数据可视化：通过图表和图形来展示数据的分布和关系。
3. 数据描述性统计：计算数据的中心趋势、离散程度等。
4. 数据探索：寻找数据中的潜在模式、关联和异常。
EDA的目的是为了在数据中寻找洞察，从而指导后续的数据分析和建模工作。
