本文介绍了在 Azure Databricks 上进行探索性数据分析（EDA）所用的工具和技术。
什么是EDA，它为什么有用？
探索性数据分析（EDA）包括用于探索数据集的方法，以总结其主要特征并识别数据中存在的任何问题。 使用统计方法和可视化手段，你可以了解一个数据集以确定其是否适合分析，并决定应用何种技术进行数据准备。 EDA 还可以影响您选择哪些算法来训练机器学习模型。
Azure Databricks 中有哪些 EDA 工具？
Azure Databricks 在 Databricks SQL 和 Databricks Runtime 中均提供内置的分析和可视化工具。 若要查看 Azure Databricks 中可用可视化类型的图示列表，请参阅可视化类型。
Databricks SQL 中的 EDA
以下是一些关于Databricks SQL中数据可视化和探索工具的有用文章：
Databricks Runtime 中的 EDA
Databricks Runtime 提供了一个预构建的环境，其中已经安装了流行的数据探索库。 可以在发行说明中查看内置库的列表。
此外，以下文章展示了 Databricks Runtime 中可视化工具的示例。
在Databricks的Python笔记本中，您可以结合使用SQL和Python来探索数据。 当您在 Python 笔记本中运行 SQL 语言单元格中的代码时，表格结果会自动作为 Python 数据框可用。 详细信息，请参见在Python笔记本中探索SQL单元格结果。