2、通用数据的分析
在这个分析报告中,我会对DataFrame数据的每一个字段进行分析,判断它们的类型,然后画出合适的图表。对于因子变量,自动绘制柱状图或条形图;对于数值型变量,自动绘制出拟合的分布图;对于一般的文本,自动绘制词云。同时也会给出一个统计表格,内含各个变量的场景统计数据,如最大值、最小值、均值、标准差、唯一数个数、缺失率等。下面是一个例子,代码和数据可在我的github中寻找。
它会生成如下 pptx 文件
另外这里有一些过程函数也推荐给大家
特征统计分析
数据预处理
信息论相关度量函数
机器学习模型辅助建模函数
3、问卷型数据分析
问卷数据涉及到各种题型,包括单选题、多选题、填空题、矩阵多选题、排序题等等。不管是
频数统计还是交叉分析,单选题都很好处理, 但其他题目就相对复杂的多,比如单选题和多选题
之间的交叉统计,多选题和多选题之间的交叉统计等。
为了能使用统一的函数进行常规分析,本工具包使用专门针对问卷设计的数据类型(或者说编码方式)。在这种类型中,每一份问卷都有两个文件,data 和 code ,它们的含义如下:
1).data:按选项序号编码的数据(csv、xlsx等都可以)。具体的示例如下:
Q1Q2Q3_A1Q3_A2Q3_A3Q3_A4111010
120010
111001
230110
121010
140101
221010
110101
221010
其中 Q1、Q2是单选题,在Q1中,1代表男,2代表女。Q3是多选题,一共有四个选项,分别代表 Q3_A1:'旅游',Q3_A2:'健身',Q3_A3:'艺术',Q3_A4:'养生'. 多选题常用这种01矩阵存储。
Report 是一个类,可以打开 pptx文件从中获取信息并新建 slide.
首先是初始化,
import reportgen as rpt# 导入分析报告prs=rpt.Report()#prs = rpt.Report(filename='分析报告.pptx')
函数默认会打开reportgen自带的模板文件(路径是~\reportgen\template\template.pptx), 大家也可以自己指定其他文件。
对于存在内容的 pptx,Report能轻松实现获取所有的文本和图片
#获取分析报告中所有的文本prs.get_texts()#获取分析报告中所有的图片prs.get_images()
同时你也能很简单的创建一页新的 slide
data=pd.DataFrame(np.random.randint(100,1000,size=(3,4)),index=['品牌A','品牌B','品牌C'],columns=['Q1','Q2','Q3','Q4'])slide_data={'data':data,'slide_type':'chart','type':'COLUMN_CLUSTERED'}prs.add_slide(data=slide_data,title='品牌销量',summary='品牌销量',footnote='')
在上面的脚本中,我们添加了一张各品牌的销量分布图,图表类型是柱状图。
谢谢阅读!!