全文共1382字，预计学习时长3分钟

30秒内就能分析所有标准数据，Pandas_Profiling数据预览神器真是太赞了。

vanilla pandas方式（无趣）

如果你Python分析过数据，那你一定对pandas包不会陌生。pandas是处理大多数行和列格式化数据时首选的软件包，如果还没有pandas包，那你一定要在首选终端上通过pip安装来下载：

pip install pandas

现在，看一下通过pandas默认操作我们能干点什么：

挺好的，但少了点东西。“method”列跑哪了？

还没反应过来的朋友们请看这里：

pandas的任何一组“数据框”都会有一个.describe()法，可以返回上述总结。但要注意该法的输出：种类变量这一项不见了。上面例子中“method”列从输出中完全省掉了！

如果能做得更好会是什么样子？

Pandas_Profiling数据预览（妙趣横生）

这只是报告的开始。

倘若仅需3行Ptyhon代码就能得出下列统计结果，你会有何感受？（实际上不算输入内容的话1行就够了）：

• 基本项：类型、特殊值、缺失值

• 分位数统计，如最小值、Q1、中位数、Q3、最大值、范围、四分位差

• 描述性统计，如平均值、模型、标准偏差、和、中值绝对偏差、变异系数、峰度、偏度

• 最常见值

• 直方图

• 相互关系：突出显示了变量、Spearman相关系数、Pearson相关系数、Kendall矩阵之间的高度相关性

• 缺失值：矩阵、计数、热图以及缺失值树状图

特征值表直接从Pandas Profiling GitHub得来：https://github.com/pandas-profiling/pandas-profiling

通过使用Pandas_Profiling包，我们可以实现这些操作！

想安装Pandas_Profiling包的话只需在终端借助pip即可：

pip install pandas_profiling

经验丰富的数据分析师一开始看到这种数据预览时会很不屑，觉得太夸张了，不切实际。但它确实可以使你在短时间内对数据形成一个大致印象：

看到了吧， 1行代码足以搞定！#noclickbait

最先看到的是总览（Overview，如上图所示），其中有数据和变量的一些高级统计，也包括一些警告，比如变量间的相关度高、偏度大等。

但这并不是所有内容，往下看会发现还有很多本文的相关部分。单凭一张输出结果（由1行代码得到）的图片看不出什么，所以笔者将其换成了动图：

强烈建议大家探索一下这个包的功能，毕竟虽说仅仅是1行代码，但说不定在以后做数据分析时会发现它非常有用。

import pandas as pd
import pandas_profiling
pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/planets.csv').profile_report()

留言 点赞 关注

我们一起分享AI学习与发展的干货

如需转载，请后台留言，遵守转载规范