探索式資料分析與統計圖表
拿到資料時，除了資料整理以外，最常被忽略的其實是探索式資料分析（ Exploratory Data Analysis，簡稱EDA）。EDA是由有統計界畢卡索之稱的Tukey所提出，主要概念是透過敘述性統計、統計繪圖、視覺化等快速簡易的方式，從各種面向先了解資料的狀況，以利後續分析。
不過，因為EDA技術上並不難，故經常被一些資料科學家所輕視。這對我來說真的是一記警鐘，畢竟實務上我們這段都做得太少，都想趕快大展身手，用一些炫麗複雜的技巧找出洞見。殊不知洞見與分析技巧複雜度並非高度正相關，EDA不僅可以提早發現資料品質問題，找出重要變數，也可以替未來深入分析提供更明確的方向。正如同練武之人必先掃地、蹲馬步、提水桶爬樓梯，EDA也是我們必須熟練的基本功。
因此，我們看到很多分析案例，實際上並沒有用太厲害的技巧，會讓人產生如魔術揭密後，「原來不過是如此」之感。吳講了一個故事，哥倫布立蛋。哥倫布發現新大陸返回英國後，女王為他舉辦慶功宴。席宴上，許多大臣與名流看不起他，紛紛出言諷刺，不是說如果是我出海我也行，就是說只要朝一個方向前進就可以發現新大陸。於是哥倫布請大家玩一個小遊戲，把蛋立在桌上，但沒有人成功。哥倫布輕輕敲了一下雞蛋某一端，讓它可以立在桌上。其他人嚷嚷說拜託這也太簡單了吧！哥倫布則說，那你們為什麼之前沒想到呢？因此，在評論別人的分析案例時，如果心生也不過如此之感時，請想想哥倫布的蛋。
接著以杜河之魚的案例來說明EDA的概念，像是透過30個捕魚點觀測27個品種，上游磷酸鈣較少，因此魚較少等。不過因為跟生物不熟，所以比較無感。比較有感的是工程師David Robinson分析川普的推特。
David懷疑川普的推特透過不同手機發表時，簡直判若兩人。Android手機習慣早上發文、習慣用雙引號、不常附圖片或連結、負面情緒較多，而iPhone則較常在下午或晚上發文、常附圖片或連結、情緒較正面。透過簡單的統計與視覺化分析，大概就能夠判定川普本人使用Android，而助理或團隊使用iPhone來發推特。
另外提到資料視覺化的一些重點。首先介紹安斯庫姆四重奏（Anscombe’s quartet），即如首圖的進化版恐龍，有四組基本統計特性（平均、變異數等）一致的數據，但繪製出的圖表卻截然不同，所以僅看統計量而不視覺化，會認為這四組數據非常接近。
接著是幾個常被誤用的視覺化案例。首先是文字雲，如果只是想單純表達文字出現的次數，直方圖會遠比文字雲來得好。再來是圖表若是立體，要考慮遠近對於大小的影響。最後，圓餅圖的各切塊加總要是100%。（福斯新聞加油好嗎…）
常用的視覺化圖表包含Index Plot（尺度要一樣方能比較）、直方圖（Histogram）、延伸散佈圖（利用顏色或圈圈大小當第三個變數）。R提供了一些好用的套件，如3D模擬的RGL、heatmap、Complexheatmap等。
巨量資料的視覺化在Index Plot跟直方圖比較沒問題，但散佈圖會看不出意義。因此要先經過抽樣或摘要，方能進行。R的tableplot套件可以協助巨量資料的視覺化，下圖是5萬多顆鑽石的資料，一眼看穿。
最後謹以統計界畢卡索的名言，給EDA一個最佳註解：
對正確的問題有個近似的答案，勝過對錯的問題有精確的答案。
