Home › Roadmap › Data Cleaning & EDA › Part 5

Univariate Bivariate Analysis

📘 এক ও দুই ভেরিয়েবল বিশ্লেষণ।

🌐 Analyse one and two variables.

🧹 ডেটা ক্লিনিং ও EDA🎚 Advanced📍 Part 5 / 6🧩 3 সাব-টপিক
🧹
1

ধারণা · Concept

কী এবং কেন
📘 বাংলা ব্যাখ্যা:
এক ও দুই ভেরিয়েবল বিশ্লেষণ।
🌐 English:
Analyse one and two variables.

🗂 কোথায় পড়ে

২. ডেটা বিশ্লেষণ → ডেটা ক্লিনিং ও EDA → Univariate Bivariate Analysis

🎯 এই শাখার লক্ষ্য

Detect outliers, fix missing values, profile data

🧰 টুলস

pandas, ydata-profiling

🪜

ধাপে ধাপে শিখুন · Step-by-step

কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল
💡 কেন গুরুত্বপূর্ণ?

প্রতিটি ভেরিয়েবল আলাদাভাবে ও জোড়ায় বুঝলে সম্পর্ক ও লুকানো সমস্যা স্পষ্ট হয়।

  1. ধাপ 1
    ইউনিভেরিয়েট সংখ্যা: হিস্টোগ্রাম, বক্সপ্লট, describe
  2. ধাপ 2
    ইউনিভেরিয়েট ক্যাটাগরি: value_counts, বার চার্ট
  3. ধাপ 3
    বাইভেরিয়েট: সংখ্যা×সংখ্যা স্ক্যাটার/কোরিলেশন, সংখ্যা×ক্যাটাগরি বক্সপ্লট, ক্যাটাগরি×ক্যাটাগরি crosstab
  4. ধাপ 4
    মাল্টিভেরিয়েট: pairplot, hue দিয়ে তৃতীয় ভেরিয়েবল

🧪 বাস্তব উদাহরণ

তাপমাত্রা বনাম হিটস্ট্রোক ভর্তি স্ক্যাটারে ৩৬°C-এর পর তীব্র বৃদ্ধি—threshold ফিচার বানানোর ইঙ্গিত।

⚠️ সাধারণ ভুল

ক্যাটাগরিক্যাল কোড (১,২,৩) কে সংখ্যা ধরে গড় বা কোরিলেশন।

🔑 মূল শব্দ (Key terms)

univariatebivariatemultivariatecrosstabpairplot

3

সাব-টপিক ও বিস্তারিত · Sub-topics

টপিক → সাব-টপিক → সাব-সাব টপিক
5.1 ইউনিভেরিয়েট5.1.1 বিতরণ5.1.2 হিস্টোগ্রাম
5.2 বাইভেরিয়েট5.2.1 স্ক্যাটার5.2.2 গ্রুপ তুলনা
5.3 মাল্টিভেরিয়েট5.3.1 pairplot5.3.2 হিটম্যাপ
🎬

ভিডিও · Videos (বাংলা ও English)

ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত

📺 আরও খুঁজুন

💻

হাতে-কলমে · Try it (Data Cleaning & EDA)

এডিট করে Run চাপুন · Ctrl+Enter
import pandas as pd, numpy as np
df=pd.DataFrame({"age":[25,27,np.nan,29,200,26,27],"city":["Dhaka","dhaka ","Sylhet","Sylhet","Dhaka",None,"dhaka "]})
df["city"]=df.city.str.strip().str.title()
q1,q3=df.age.quantile([.25,.75]); iqr=q3-q1
out=(df.age<q1-1.5*iqr)|(df.age>q3+1.5*iqr); print("Outliers:\n",df[out])
df.loc[out,"age"]=np.nan; df["age"]=df.age.fillna(df.age.median())
print(df.drop_duplicates()); print("Missing:\n",df.isna().sum())
❓

সেল্ফ-চেক · Self check

1. “বিতরণ, হিস্টোগ্রাম” — এটি কোন সাব-টপিকের বর্ণনা?

2. “স্ক্যাটার, গ্রুপ তুলনা” — এটি কোন সাব-টপিকের বর্ণনা?

3. “pairplot, হিটম্যাপ” — এটি কোন সাব-টপিকের বর্ণনা?

🔗

সংযুক্ত কনসেপ্ট · Connected concepts

← আগের টপিকExploratory Data Analysisপরের টপিক →Data Profiling
🎬 Video