作为一个数据分析师，在数据处理过程中，当获取到一份新数据，你对这份数据完全陌生，又没有足够的业务背景，会不会感觉无从下手。如果你什么都不管，直接把数据喂给各种模型，却发现效果不好，因为你没有好的特征，那么你可能需要的是数据探索。

首先什么是探索性数据分析(Exploratory Data Analysis,EDA)？

实际上，这是一系列的方法，它的目的就是让你最大化对数据的直觉，为了让你对数据有感觉，你不仅需要知道数据里有什么，你还需要知道数据里没有什么，而完成这件事情的方法只有一个，那就是结合各种统计学的图形把数据以各种形式展现在我们面前。它可以完成这些事情：

1. 让你最大程度得到数据的直觉
2. 发掘潜在的结构
3. 提取重要的变量
4. 删除异常值
5. 检验潜在的假设
6. 建立初步的模型
7. 决定最优因子的设置

这里在完成了一阶段的R语言学习后，我收集了一份红酒品质的数据，用R语言进行探索式数据分析，在完成数据探索后，我希望能够快速的了解数据，并提取出数据的重要变量，并为后续的数据模型建立提供基础。

以下是对红酒品质数据的探索分析过程

WineQualityRed EDA