Exploratory Data Analysis（探索性数据分析，EDA）是分析数据集以获取其主要特征的一种方法，通常会结合使用可视化方法。它主要是来查看，在借助于正式的模型与假设检验之外，数据还能告诉我们什么。在历史上，John Tukey是推广EDA的关键人物（1977年，出版同名书籍）。

本文通过实例讨论在NLP中的EDA。

开始之前

安装

pip install \
   pandas matplotlib numpy \
   nltk seaborn sklearn gensim pyldavis \
   wordcloud textblob spacy textstat

文本的可视化统计数据很简单，但能给出有效的信息。

以此了解文本数据的基本特征。对continuous data，使用histogram，对categorical data，使用bar chart。