pandas_profiling
我们常用pandas中的df.describe()函数去描述数据的情况,但是不能够直观的去展示出数据的分布情况,今天要介绍的这个工具pandas_profiling就是扩展了pandas中的DataFrame并且能自动进行数据分析并生成分析报告的库。
在分析过程中会得到下面的结果:
- 要点:类型,唯一值,缺失值
- 分位数统计信息,例如最小值,Q1,中位数,Q3,最大值,范围,四分位数范围
- 描述性统计数据,例如平均值,众数,标准偏差,总和,中位数绝对偏差,变异系数,峰度,偏度
- 最常使用的值
- 直方图
- 高相关变量Spearman,Pearson和Kendall矩阵的相关性突出显示
- 缺失值矩阵,计数,热图和缺失值树状图
废话少说,上实例:
import pandas as pd
import pandas_profiling
data = pd.read_csv('https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv')
data.profile_report(title='Auto Titanic Report')
profile = data.profile_report(title='Titanic Report')
profile.to_file(output_file='titanic_report.html')
结果如下(输出成html格式这里给出截图):
是不是很高大上!
官方文档地址:https://github.com/pandas-profiling/pandas-profiling