数据分析可视化利器：python pandas-profiling 一行代码EDA 探索性数据分析

---

1. 探索性数据分析

数据的筛选、重组、结构化、预处理等都属于探索性数据分析的范畴，探索性数据分析是帮助数据分析师掌握数据结构的重要工具，也是奠定后续工作的成功基石。

在数据的分析项目中，数据的收集和预处理往往占据整个项目工作量的十之八九，正式这些简单的工作决定了整个项目的成败。

在数据分析进行之前，了解原始数据的分布，缺失值情况，数据的相关性等非常重要，今天介绍的python 库就可以非常便利而且炫酷的解决这个问题。

---

Generates profile reports from a pandas DataFrame. The pandas df.describe() function is great but a little basic for serious exploratory data analysis. pandas_profiling extends the pandas DataFrame with df.profile_report() for quick data analysis.

For each column the following statistics - if relevant for the column type - are presented in an interactive HTML report:

Essentials: type, unique values, missing values
Quantile statistics like minimum value, Q1, median, Q3, maximum, range, interquartile range
Descriptive statistics like mean, mode, standard deviation, sum, median absolute deviation, coefficient