手把手教学：使用Elastic search和Kibana进行数据探索（Python语言）

探索性数据分析（EDA）帮助我们认识底层的数据基结构及其动力学，以此来最大限度发掘出数据的可能性。EDA是提取重要变量和检测异常值的关键。尽管存在着很多种机器学习算法，但EDA仍被视为理解和推动业务的最关键算法之一。其实有很多种方式都能够执行实现EDA，例如Python的matplotlib、seaborn库，R语言的ggplot2，而且网络上有很多很好的资源，例如John W. Tukey的“探索性数据分析”， Roger D. Peng 的“用R进行探索性数据分析”等，不胜枚举。在本文中，我主要讲解下如何使用Elastic search和Kibana实现EDA。原文作者：Supreeth Manyam，本文由36大数据（dashuju36）翻译，译者许娅楠。36大数据专稿， 本文由36大数据（dashuju36）翻译，不授权任何网站使用，除了36大数据网站和 ………………………………