本节书摘来华章计算机《数据驱动安全：数据安全分析、可视化和仪表盘》一书中的第1章 ，第1.3.2节，[美]杰·雅克布（Jay Jacobs）鲍布·鲁迪斯（Bob Rudis） 著 薛杰　王占一　张卓　胡开勇　蒋梦飏　赵爽　译, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.3.2　探索性数据分析

目前为止，我们已经解释了应该如何开始进行良好的数据分析，接下来我们探讨在真实世界中，事情一般是怎么发生的。如果有了明确的研究问题以及干净无噪声的数据，然后每天早晨先来一杯咖啡热饮再开始一天的工作，这是十分惬意的。然而在真实生活中呢，我们经常不得处理一些为咖啡热饮做准备的工作，会经常地开始疑问“这数据到底有什么作用呢？”。这又将我们带回到了John Tukey（出现在本章前部分），他开创了一个称为探索性数据分析（exploratory data analysis，EDA）的数据处理过程，它有点像赤脚在数据里边或者周围滚来滚去的过程，在这样的过程学习数据中不同的变量，理解它们的含义以及它们与其他变量之间的关系。Tukey创造了一系列的技术方法来提高我们对数据的观察力和理解能力，包括简单优雅的茎叶图、五数概括法，以及具有极大帮助的箱线图。其中的每一种方法都会在本书后续章节讲到。
一旦你对数据感到适应了，你就会很自然地询问一些有关的问题，但是有很重要的一点，你要一直不断地回过头重新产生更加合适的研究问题。正如Tukey在其1997年出版的《Exploratory data analysis can never be the whole story》中所说，他将EDA视为数据分析过程的基石和第一步，他还提到“探索性数据分析是一种态度，一种灵活的状态，一种找寻东西的信念，寻找那些我们认为既存在又不存在的东西。”有了这种想法，本书中的很多用例都使用了探索性分析。我们将用一种迭代的方法，当你在数据中穿行的时候会学到知识。最后呢，我们要谨记，数据分析是用来找寻那些值得探索的问题答案的。