几行代码实现可视的数据集探索性分析

无论是数据分析还是数据建模，数据集的探索性分析都是基本操作。python为此提供了不少很有效的工具，可以通过几行代码就实现数据的探索性分析。

1. pandas_profiling

首先安装包

pip install pandas_profiling

然后只需要5行代码就可以实现数据的探索性分析

import pandas as pdfrom pandas_profiling import ProfileReport
data = pd.read_csv('sample.csv', encoding='gbk')profile = ProfileReport(data)profile.to_file('output.html')

这是数据集探索性分析的主页，可以看到它共有26个变量，其中24个是数据型变量。它一共有8400个样本，需要1.7M空间，且没有缺失值。

数据集共有77个警示，主要是指标间的共线性，还有少量分布上的警示。

Variables给出了每个变量的基本情况。

Interactions主要是给出了各指标间的相互影响，但图片没法正确显示中文。一种简单的办法是把样本里的中文全改成英文，否则需要修改字体。

Correlations给出了多种方法衡量的变量间的相关关系。

这一块主要是展示缺失值。

Sample显示了数据集的前10条和后10条。

pycharm新建工程问题：

在pycharm新建工程时我们还碰到一点小问题，注意要把Script Path改成py文件，否则没法直接运行。

2. Sweetviz

先安装包

pip install sweetviz

同样用5行代码就可以完成一次探索性分析

import pandas as pdimport sweetviz
data = pd.read_csv('sample.csv', encoding='gbk')s_report = sweetviz.analyze(data)s_report.show_html('soutput.html')

结果展示的内容比第一种方法还少一些，但视角效果更好。

相关性的展示需要将鼠标放到ASSOCIATIONS上。

鼠标放到某一变量上时，也会出现该变量的更详细的展示。