探索性數(shù)據(jù)分析，即 Exploratory Data Analysis，簡稱為 EDA，指拿到數(shù)據(jù)以后，快速了解數(shù)據(jù)，對數(shù)據(jù)進(jìn)行基礎(chǔ)的統(tǒng)計(jì)分析，比如，分析數(shù)據(jù)類型、缺失值、數(shù)據(jù)分布狀態(tài)、相關(guān)性、繪制可視化圖等操作。

以前進(jìn)行 EDA 操作雖然不是特別麻煩，但也不是特別簡單，今天推薦的這個工具，配合 Pandas 只需要兩行代碼就可以實(shí)現(xiàn)超級全面的數(shù)據(jù)分析內(nèi)容，可謂是數(shù)據(jù)分析師的福音。

這個 Python 數(shù)據(jù)分析支持庫就是新近推出的 Sweetviz，Github 上的項(xiàng)目代碼庫為: https://github.com/fbdesignpro/sweetviz，該支持庫的作者叫 Francois Bertrand，用他的話說，Sweetviz 搭配 pandas 的 Dataframe，只需兩行代碼就可以快速生成 HTML 數(shù)據(jù)探索報(bào)告。

Francois 在 Github 上提供了 Sweetviz 的實(shí)例，該實(shí)例使用的是大家耳熟能詳?shù)奶┨鼓峥藬?shù)據(jù)集，生成的 HTML 報(bào)告他也放在網(wǎng)上了，大家可以進(jìn)去自己戳戳點(diǎn)點(diǎn)，基本上就可以了解了，http://cooltiming.com/SWEETVIZ_REPORT.html

泰坦尼克數(shù)據(jù)集探索性分析用例

通過這個用例，可以看出 Sweetviz 的一些主要功能：

• 目標(biāo)分析，比如泰坦尼克數(shù)據(jù)集中幸存者與其它要素之間的關(guān)系
• 可視化，這個不多說了，上圖中就可以看到
• 數(shù)據(jù)之間的相關(guān)性分析，比如皮爾森相關(guān)系數(shù)、不確定性系數(shù)、數(shù)據(jù)相關(guān)性等基礎(chǔ)相關(guān)性分析
• 數(shù)據(jù)類型推斷，可以自動檢測數(shù)字、類別、文本特征
• 生成數(shù)據(jù)集摘要信息，唯一值、缺失值、重復(fù)數(shù)據(jù)、出現(xiàn)頻率最高的值等
• 基礎(chǔ)數(shù)據(jù)分析，如最大值、最小值、數(shù)據(jù)范圍、四分位數(shù)、均值、眾數(shù)、標(biāo)準(zhǔn)偏差、數(shù)據(jù)匯總、中位數(shù)絕對偏差、變異系數(shù)、數(shù)據(jù)峰度、數(shù)據(jù)偏度等
• 支持 Jupyter Notebook
• 支持報(bào)告縮放與垂直布局

安裝

• 官方說的是支持 Python 3.6+ 和 Pandas 0.25.3+ ，呆鳥用的是 python 3.8.8 和 Pandas 1.2.3
• pip install sweetviz

下載數(shù)據(jù)

• 呆鳥已經(jīng)把數(shù)據(jù)給大家下載好了，回復(fù)文章底部注解里的口令，下載數(shù)據(jù)集
• 打開 jupyter notebook 或 jupyter lab， 或其它 VSCode、Pycharm 等你喜歡的 IDE，呆鳥這里用的是 jupyter lab 3.0
• 創(chuàng)建 sweetviz_test 文件夾，新建一個 jupyter notebook 文件，比如呆鳥這里叫 sweetviz.ipynb
• 把 test.csv 與 train.csv 兩個文件復(fù)制到 sweetviz_test 中的 data 文件夾中（新建的）
• 打開 sweetviz.ipynb，開始寫代碼，很簡單

import sweetviz
import pandas as pd

train = pd.read_csv("data/train.csv")
test = pd.read_csv("data/test.csv")

my_report = sweetviz.compare([train, "Train"], [test, "Test"], "Survived")
my_report.show_html("Report.html") 

完成了，此時在 sweetviz_test 文件夾中就生成了 Report.html 文件，就是上圖中的 sweetviz 數(shù)據(jù)報(bào)告，雙擊打開就可以查看了。

Sweetviz 還支持在 jupyter notebook 里內(nèi)置顯示報(bào)告，使用如下命令：

my_report.show_notebook(  w=None, 
                h=None, 
                scale=None,
                layout='widescreen',
                filepath=None) 

如圖

遇到的問題

在運(yùn)行 my_report = sweetviz.compare([train, "Train"], [test, "Test"], "Survived") 時顯示 ImportError: IProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stable/user_install.html

此時安裝 ipywidgets 就可以了，安裝命令為 pip install ipywidgets

搞定收工，如果你喜歡這個 Python 快捷數(shù)據(jù)分析工具，就自己安裝下載數(shù)據(jù)試試吧。

關(guān)注呆鳥，關(guān)注 Python 大咖談，一起學(xué)習(xí) Python 和數(shù)據(jù)分析。

下載數(shù)據(jù)集的口令為 sweetviz_test，大家只要在 Python 大咖談后臺輸入這個口令就可以看到下載鏈接了。