利用python两种方法教你一行代码实现探索性数据分析报告

---

💮两种方法教你一行代码实现探索性数据分析报告

==探索性数据分析（EDA）== 是使用可视化方法总结和分析数据集主要特征的过程。EDA是数据科学家要做的第一部分，如果我们不懂得如何进行EDA，那么无法对数据进行进一步的建模。上一篇文章我以泰坦尼克号数据为例，介绍了如何使用python详细的进行探索性数据分析，但有时这是很耗费时间的，现在，我介绍两种方法实现一行代码生成探索性数据分析报告。分别使用以下两个包，如果没有安装的小伙伴先去安装一下。

• Sweetviz
• pandas_profiling

我们照样使用泰坦尼克号数据集进行分析，需要相关数据集的看我这篇文章：blog.youkuaiyun.com/weixin_4505…

• 先导入数据

import pandas as pd
from pandas_profiling import ProfileReport
df = pd.read_csv("train.csv")
df.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Thayer)	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

df.shape

(891, 12)

🏵️1. Sweetviz

==Sweetviz== 一个python开源库，通过基本的可视化来分析数据，并生成一个html文件。这个库的主要优点是我们可以 比较数据集。 首先我们创建一个名为sweet_Analysized_report的文件，显示探索性数据分析结果。在本报告中，我们可以很容易地找到不同变量的特征，如：数量、缺失值、不同值、最大值、最小值、平均值等。具体代码和结果如下图所示

import sweetviz as sv
sweet_report = sv.analyze(df)
sweet_report.show_html('sweet_report.html')

• ==相关系数热力图==

• ==Age分布情况==

• ==sibsip分布情况==

==在这个Html文件中，我们可以看到其他每个变量的分布情况，大家可以自行验证测试。==

🌹2. 比较探索性数据分析

Sweetviz还支持比较不同数据集的探索性数据分析，首先，我们将数据集分成两部分，然后进行比较，然后保存此比较报告。数据集的两部分显示两种不同的颜色橙色和蓝色。具体代码和结果见下文：

df1 = sv.compare(df[445:], df[:445])
df1.show_html('Compare.html')

这里我把数据分为两部分，分别有445和446个数据。

• ==survived分布情况==

• ==Pclass分布情况==

• ==sex分布情况==

🥀3. pandas_profiling

==pandas_profiling==基于pandas的DataFrame数据类型，可以简单快速地进行探索性数据分析。和sweetviz类似，pandas_profiling可以返回一个html文件，包含如下内容

• 数据整体概要：数据类型，唯一值，缺失值等
• 各个变量的描述性统计分析
• 各个变量的分布情况，直方图和条形图
• 变量间的相关系数热力图等

具体代码和结果如下：

design_report = ProfileReport(df)
design_report.to_file(output_file='report.html')

• ==变量分布情况==

• ==相关系数热力图==

• ==变量关系图==

• ==数据总体概要==

✨总结

用上述两种方法得到的探索性数据分析是非常简易的。如果要想详细了解数据的话，建议一步一步根据自己的需求进行分析。具体可以看下面这篇推荐的文章，不过通过上述两种方法可以让我们大致初步的了解一下数据情况，并且可以节约很多时间（毕竟探索性数据分析真的很花费时间）

---------------------------END---------------------------

题外话

当下这个大数据时代不掌握一门编程语言怎么跟的上时代呢？当下最火的编程语言Python前景一片光明！如果你也想跟上时代提升自己那么请看一下.

感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。


👉优快云大礼包🎁：全网最全《Python学习资料》免费赠送🆓！（安全链接，放心点击）

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

👉优快云大礼包🎁：全网最全《Python学习资料》免费赠送🆓！（安全链接，放心点击）

若有侵权，请联系删除