开展探索性数据分析
Perform Exploratory Data Analysis · 🟢入门 · 所属分类：科研数据与生物统计
拿到数据就直接跑检验，很容易漏看分布偏态、离群点或批次效应，最后得出误导性的结论。它帮你在正式建模前先把数据「摸一遍」——分布长什么样、缺在哪、有没有异常、变量之间怎么关联，让你心里有底再动手。
适合谁
手上有一份整洁数据、准备开始分析但还没想好怎么下手的研究生和科研新手。
给它什么 · 得到什么
- 你提供：整洁数据表，各变量的类型（连续/分类/时间），以及你关心的科研问题或分组
- 你得到：一份 EDA 报告（分布图、相关热图、缺失概览、异常清单），可复现绘图代码，以及关键发现摘要
怎么用
先来一句示例提问：「帮我先探索一下这份小鼠体重数据，看看各组分布、有没有离群值和批次差异，再告诉我哪些变量值得重点关注。」 触发后它会生成单变量分布与描述统计、检查缺失与离群、探索变量间关系与共线性，并据此提出几个可以进一步检验的假设。
提个醒
EDA 是用来发现假设的，不是用来验证结论的；反复看图后再「倒推」假设（HARKing）要避免，正式检验得和探索分开做。