pandas-profiling

对于探索性数据分析来说，做数据分析前需要先看一下数据的总体概况，pandas_profiling工具可以快速预览数据。

1、pandas-profiling安装与调用
pip install pandas-profiling

import pandas as pd
import pandas_profiling
2、导入数据
data=pd.read_csv(“model.csv”)
3、直接查看
pandas_profiling.ProfileReport(data)
4、数据概览
4.1总体数据

首先是数据集信息：

变量数(列)、观察数(行)、数据缺失率、内存；

数据类型的分布情况

4.2警告信息

主要包括以下信息：

要点：类型，唯一值，缺失值
分位数统计量，如最小值，Q1，中位数，Q3，最大值，范围，四分位数范围
描述性统计数据，如均值，模式，标准差，总和，中位数绝对偏差，变异系数，峰度，偏度

4.3单变量描述

以此对每个变量进行描述解析

4.4相关性分析

相关性突出高度相关变量，Spearman和Pearson矩阵

5、生成HTML报告文件
profile = pandas_profiling.ProfileReport(data)
profile.to_file(outputfile = “output_file.html”)

保存在默认文件夹，也可以自己指定路径。