在前述单变量和双变量分析方法的基础上，本章将扩展我们的分析工具箱。我们会先查看用于发现多个变量之间规律的可视化图表，例如成对图。您还将学习如何优化这些图表以更好地传达信息。

在可视化之后，我们将转向特征工程的介绍。这涉及运用在EDA（数据概览分析）过程中获得的理解，来修改现有特征或创建新特征。我们将介绍实用的技术，例如数据缩放、归一化 (normalization)和分类数据编码，这些通常是在应用机器学习 (machine learning)算法之前必需的步骤。最后，我们将探讨如何组织和展示在整个EDA（数据概览分析）过程中收集到的看法。