学习过程中的有疑问：plt.什么意思？EDA什么意思

---

一、plt 是什么意思？

很多初学者看到：

plt.show()
plt.plot()
plt.savefig()
plt.subplots()

都会问：

为什么都是 plt？

其实：

plt

不是 Python 关键字，也不是固定语法。

它只是一个变量名（别名，alias）。

---

它来自哪里？

一般在代码最前面都会有：

import matplotlib.pyplot as plt

把它拆开来看：

import

表示：

导入一个库。

---

matplotlib

表示：

Python 最经典的画图库。

---

pyplot

表示：

matplotlib 里面专门负责画图的模块（module）。

可以理解成：

matplotlib（一本书）

├── pyplot（画图）
├── animation（动画）
├── colors（颜色）
├── patches（图形）
...

---

最后：

as plt

表示：

给 matplotlib.pyplot 起一个更短的名字。

就像：

你的名字：

张三

别人平时叫：

小张

所以：

import matplotlib.pyplot as plt

实际上就是：

以后别叫 matplotlib.pyplot 这么长了，

直接叫 plt 就行。

---

举个例子

原本应该写：

matplotlib.pyplot.show()

太长。

于是：

import matplotlib.pyplot as plt

以后就可以写：

plt.show()

简单很多。

---

所以：

plt.show()

真正完整写法其实是：

matplotlib.pyplot.show()

---

plt. 后面的点（.）是什么意思？

很多初学者都会问：

plt.show()

为什么有个：

.

这个点叫：

成员访问符（dot operator）

意思是：

调用这个对象里面的东西。

例如：

plt.show()

意思就是：

调用 pyplot 模块里的 show() 函数。

同样：

plt.savefig()

就是：

调用 pyplot 模块里的 savefig() 函数。

所以：

plt 就像一个工具箱。

show()
savefig()
plot()
hist()

都是工具箱里的工具。

---

为什么叫 pyplot？

因为它最早就是模仿 MATLAB 的画图方式。

所以：

plt.plot()

非常像 MATLAB。

---

常见的 plt 函数

代码	作用
plt.plot()	折线图
plt.scatter()	散点图
plt.hist()	直方图
plt.bar()	柱状图
plt.boxplot()	箱线图
plt.subplots()	创建画布
plt.show()	显示图片
plt.savefig()	保存图片
plt.tight_layout()	自动调整布局

---

二、EDA 是什么意思？

EDA 是：

Exploratory Data Analysis

中文：

探索性数据分析

---

为什么叫探索？

因为：

刚拿到数据的时候，

你什么都不知道。

例如：

半导体数据：

590个传感器

1567片晶圆

你不知道：

哪些传感器坏了？

哪些数据缺失？

哪些特征最重要？

数据是不是平衡？

有没有异常值？

是不是重复数据？

所以：

第一步不是训练模型。

而是：

探索（Explore）数据。

这就是：

EDA。

---

为什么要做 EDA？

举个例子。

假设老板给你：

100万条数据

你直接：

RandomForest.fit()

可能：

准确率：

99%

结果：

后来发现：

90%的数据都是空值。

模型：

根本不可信。

所以：

EDA 就像：

医生看病：

先检查

↓

再开药

而不是：

直接吃药。

---

EDA 一般做什么？

通常包括下面几项。

---

① 数据长什么样？

例如：

features.shape

输出：

1567 × 590

说明：

1567个样本

590个特征

---

② 缺失值分析

例如：

features.isna().sum()

看：

哪些传感器缺失最多？

---

③ 类别比例

例如：

labels.value_counts()

看：

Pass

1463

Fail

104

是不是：

类别不平衡。

---

④ 特征分布

例如：

hist()

boxplot()

看：

数据是不是：

正态？

偏态？

---

⑤ 异常值

例如：

100

101

99

100

10000

最后：

10000

就是：

异常值。

---

⑥ 特征之间关系

例如：

相关性：

Feature A

Feature B

0.99

说明：

高度相关。

可能：

后面：

做：

PCA

SelectKBest

---

⑦ 数据质量

例如：

重复数据：

有没有？

空数据？

重复样本？

---

EDA 的最终目的

很多人以为：

EDA：

就是：

画图。

其实：

不是。

真正目的只有一句话：

了解数据，发现问题，为后续的数据清洗、特征工程和模型训练提供依据。

---

在你的 SECOM 项目里

EDA 就是：

读取数据
      ↓
统计样本数量
      ↓
统计Pass/Fail比例
      ↓
统计缺失值
      ↓
画缺失值图
      ↓
画类别分布
      ↓
分析异常值
      ↓
分析相关性
      ↓
决定下一步怎么清洗数据

所以：

你现在做的：

01_data_exploration.ipynb

就是：

整个项目的：

EDA（探索性数据分析）阶段。

---

最后送你一个 AI 项目通用流程（以后所有 GitHub 项目几乎都遵循）

数据集
   │
   ▼
EDA（探索数据）
   │
   ├── 数据规模
   ├── 缺失值
   ├── 类别比例
   ├── 特征分布
   ├── 异常值
   └── 相关性
   │
   ▼
数据清洗（Cleaning）
   │
   ▼
特征工程（Feature Engineering）
   │
   ▼
模型训练（Model Training）
   │
   ▼
模型评估（Evaluation）
   │
   ▼
模型解释（SHAP / LIME）
   │
   ▼
部署（Deployment）

你现在正处在第一步 EDA。这一步看似没有训练模型，但它决定了后面所有步骤是否建立在可靠的数据基础上。在工业场景（半导体、材料、新能源）中，很多项目花在 EDA 和数据清洗上的时间往往比训练模型还要多。