快速数据分析工具：pandas-profiling，超好用！

小编最近发现一个好用的工具， pandas-profiling，对于做数据分析的朋友们来说，这可是个好工具，它可以以网页的形式展现给你数据总体概况

 在pandas中 df.describe() 是比较基础的探索性数据分析函数，而pandas_profiling则是在DataFrame的基础上扩展，用于快速数据分析。

对于DataFrame中的每一列，和类别有关的指标都会以交互式的网页展现出来

• Essentials: type, unique values, missing values
• （概要：类型，唯一值，缺失值）
• Quantile statistics like minimum value, Q1, median, Q3, maximum, range, interquartile range
• （分位数统计：像最小值，Q1，中位数，Q3, ，最大值，值域，四分位距）
• Descriptive statistics like mean, mode, standard deviation, sum, median absolute deviation, coefficient of variation, kurtosis, skewness
• （描述性统计：像均值，众数，标准差，和，绝对中位差，变异系数，峰值，偏度系数）
• Most frequent values
• （最频繁出现的值）
• Histogram
• （直方图/柱状图）
• Correlations highlighting of highly correlated variables, Spearman, Pearson and Kendall matrices
• (相关性，突出强相关的变量，Spearman, Pearson 和Kendall模型)
• Missing values matrix, count, heatmap and dendrogram of missing values
• （缺失值矩阵，计数，热图和缺失值的树状图）

首先，下载 pandas-profiling

pip install pandas-profiling

conda install -c anaconda pandas-profiling

也可以从github中下载

pip install https://github.com/pandas-profiling/pandas-profiling/archive/master.zip

接着，导入及应用

分析器（profiling）接收的数据类型为DataFrame

import pandas as pd
import pandas_profiling
data = pd.read_excel("")
profile = pandas_profiling.ProfileReport(data,title = "",pool_size = 3,minify_html = True)
profile.to_file(output_file="") 输出为html文件
profile.to_html() 输出为html源码

分析器的设置有：titile，线程池的个数（cpu），html是否要最小化，还有其他设置，可以参考：官方文档

生成报告文件之后，打开报告文件，你就可以看到关于这四个部分的内容

　　综述：包括数据量，数据类型，很贴心的还有warning，提醒你变量中零值占比和变量相关性

　　变量：将每个变量的去重后计数，缺失个数，缺失占比，均值，最大最小值，零值占比，右边还有个柱状图显示数据分布，点击右下角的展示细节，会有更加详细的分位数统计和描述性统计，极值前5展示，柱状图，

　　　　　有意思的是，强相关的变量，会只展示其中一个变量。你会看到那一栏会灰色，它告诉你，这个变量和XX变量强相关

　　相关性：是以一个热图来展示，发现这里不太兼容中文

       缺失值：是以两个柱状图来展现

　　样本：展现出前后10行的的样本

　　小编觉得pandas-profiling还挺好用的，源码还是python写的，简单易懂，想修改点功能还能自己改源码。快去试试吧，看过点个赞或推荐哦。

快速数据分析工具：pandas-profiling，超好用！

原文：https://www.cnblogs.com/4991tcl/p/11151366.html