python pandas-profiling庫(kù)

今天，我們將討論 Python 中的一個(gè)神奇的庫(kù) pandas-profiling 。

在沒(méi)有發(fā)現(xiàn)這個(gè)庫(kù)之前，我很難相信可以使用一行代碼來(lái)進(jìn)行探索性數(shù)據(jù)分析（EDA）。

這個(gè) pandas-profiling 庫(kù)為你提供了一種生成給定數(shù)據(jù)幀的分析報(bào)告的方法。

生成的報(bào)告還可以保存為單獨(dú)的 HTML 和 JSON 文件。

它提供了使用 pandas 加載到數(shù)據(jù)框中的任何數(shù)據(jù)集的描述性分析。這確實(shí)可以讓你免于編寫(xiě)大量代碼。

在一分鐘之內(nèi)，你就可以獲得整個(gè)數(shù)據(jù)集的分析報(bào)告。

下面，我們一起來(lái)看看它神奇的效果吧。

安裝庫(kù)

首先我們需要使用 pip 進(jìn)行安裝。

pip install pandas
pip install pandas-profiling

加載數(shù)據(jù)集

在進(jìn)行分析之前，我們需要準(zhǔn)備一個(gè)數(shù)據(jù)集。

在這里，我們將使用房?jī)r(jià)數(shù)據(jù)集。

數(shù)據(jù)集獲取地址：

https://www.kaggle.com/competitions/house-prices-advanced-regression-techniques 

在此數(shù)據(jù)集中，總共給出了 81 個(gè)特征，包括目標(biāo)特征 SalePrice。

任務(wù)是使用 80 個(gè)特征確定 SalePrice。

import pandas as pd
df = pd.read_csv("train.csv")
df.describe()

雖然 df.describe() 方法給出了特征的描述性分析，但它不如 pandas-profiling 的 ProfileReport 那么方便直觀。

現(xiàn)在我們將運(yùn)行 pandas_profiling.ProfileReport(df) 。

from pandas_profiling import ProfileReport
reportGenerated = ProfileReport(df)
reportGenerated

你還可以使用以下命令將此報(bào)告保存為 HTML 或 JSON 格式。

reportGenerate.to_file("Analysis.html") 
reportGenerate.to_file("Analysis.json")

然后在本地瀏覽器直接打開(kāi)對(duì)應(yīng)的 Analysis.html 文件。

下面是生成的報(bào)告的 GIF 圖像。

在此文件的中，給出了變量計(jì)數(shù)、觀察數(shù)、重復(fù)行和缺失值的詳細(xì)信息。

之后，對(duì)于數(shù)據(jù)集中存在的每個(gè)特征，進(jìn)行描述性的分析，例如有多少個(gè)不同的值，有多少個(gè)缺失值，它們對(duì)數(shù)據(jù)集中總?cè)笔е档呢暙I(xiàn)有多大，分位數(shù)統(tǒng)計(jì)（例如最小值）， Q1、中位數(shù)、Q3、最大值、四分位距以及均值、眾數(shù)、標(biāo)準(zhǔn)差等描述性統(tǒng)計(jì)數(shù)據(jù)。

你還可以點(diǎn)擊 “切換詳細(xì)信息” 按鈕查看更多詳細(xì)信息。

它確實(shí)是一個(gè)非常方便的工具，可以對(duì)任何數(shù)據(jù)集進(jìn)行描述性分析。

你可以在 github 上閱讀有關(guān) pandas-profiling 項(xiàng)目的更多信息。

https://github.com/ydataai/ydata-profiling 

以上就是python一行代碼就能實(shí)現(xiàn)數(shù)據(jù)分析的pandas-profiling庫(kù)的詳細(xì)內(nèi)容，更多關(guān)于python pandas-profiling庫(kù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論