10个可以快速用Python进行数据分析的小技巧

一些小提示和小技巧可能是非常有用的，特别是在编程领域。有时候使用一点点黑客技术，既可以节省时间，还可能挽救“生命”。

一个小小的快捷方式或附加组件有时真是天赐之物，并且可以成为真正的生产力助推器。所以，这里有一些小提示和小技巧，有些可能是新的，但我相信在下一个数据分析项目中会让你非常方便。

Pandas中数据框数据的Profiling过程

Profiling（分析器）是一个帮助我们理解数据的过程，而Pandas Profiling是一个Python包，它可以简单快速地对Pandas 的数据框数据进行探索性数据分析。

Pandas中df.describe()和df.info()函数可以实现EDA过程第一步。但是，它们只提供了对数据非常基本的概述，对于大型数据集没有太大帮助。 而Pandas中的Profiling功能简单通过一行代码就能显示大量信息，且在交互式HTML报告中也是如此。

对于给定的数据集，Pandas中的profiling包计算了以下统计信息：

由Pandas Profiling包计算出的统计信息包括直方图、众数、相关系数、分位数、描述统计量、其他信息——类型、单一变量值、缺失值等。

安装

用pip安装或者用conda安装

<span style="max-width: 1000%;"><span style="max-width: 1000%;">pip</span> <span style="max-width: 1000%;">install pandas-profiling</span></span>

<span style="max-width: 1000%;"> <span style="max-width: 1000%;">conda</span> <span style="max-width: 1000%;">install -c anaconda pandas-profiling</span></span>

用法

下面代码是用很久以前的泰坦尼克数据集来演示多功能Python分析器的结果。

<span style="max-width: 1000%;">#importing the necessary packages</span>

<span style="max-width: 1000%;"> <span style="max-width: 1000%;">import</span> pandas <span style="max-width: 1000%;">as</span> pd</span>

<span style="max-width: 1000%;"> <span style="max-width: 1000%;">import</span> pandas_profiling</span>

<span style="max-width: 1000%;">df = pd.read_csv(<span style="max-width: 1000%;">'titanic/train.csv'</span>)</span>

<span style="max-width: 1000%;"> pandas_profiling.ProfileReport(df)</span>

一行代码就能实现在Jupyter Notebook中显示完整的数据分析报告，该报告非常详细，且包含了必要的图表信息。

还可以使用以下代码将报告导出到交互式HTML文件中。

<span style="max-width: 1000%;">profile = pandas_profiling.ProfileReport(df)</span>

<span style="max-width: 1000%;">profile.to_file(outputfile=<span style="max-width: 1000%;">&quot;Titanic data profiling.html&quot;</span&g