pandas 数据分析 相关性_pandas_profiling：一行代码生成你的数据分析报告

点击上方“Datawhale”，选择“星标”公众号

第一时间获取价值内容

     笔者最近发现一款将pandas数据框快速转化为描述性数据分析报告的package——pandas_profiling。一行代码即可生成内容丰富的EDA内容，两行代码即可将报告以.html格式保存。笔者当初也是从数据分析做起的，所以深知这个工具对于数据分析的朋友而言极为方便，在此特地分享给大家。

     我们以uci机器学习库中的人口调查数据集adult.data为例进行说明。

     数据集地址： 

https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data

     常规情况下我们拿到数据做EDA的时候这几种函数是必用的：

     看一下数据长啥样：

import numpy as npimport pandas as pdadult = pd.read_csv('../adult.data')adult.head()

     对数据进行统计描述：

adult.describe()

     查看变量信息和缺失情况：

adult.info()

     这是最简单最快速了解一个数据集的方法。当然，更深层次的EDA一定是要借助统计图形来展示的。基于scipy、matplotlib和seaborn等工具的展示这里权且略过。

     现在我们有了pandas_profiling。上述过程以及各种统计相关性计算、统计绘图全部由pandas_profiling打包搞定了。pandas_profiling安装，包括pip、conda和源码三种安装方式。

pip：

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

conda：

conda install -c conda-forge pandas-profiling

source：

先下载源码文件，然后解压到setup.py所在的文件目录下：

python setup.py install

     再来看pandas_profiling基本用法，用pandas将数据读入之后，对数据框直接调用profile_report方法生成EDA分析报告，然后使用to_file方法另存为.html文件。

profile = df.profile_report()profile.to_file(output_file=Path("./census_report.html"))

     看看报告效果如何。pandas-profiling EDA报告包括数据整体概览、变量探索、相关性计算、缺失值情况和抽样展示等5个方面。

数据整体概览：

变量探索：

相关性计算：

这里为大家提供5种相关性系数。

缺失值情况：

pandas-profiling为我们提供了四种缺失值展现形式。

数据样本展示：

就是pandas里面的df.head()和df.tail()两个函数。

上述示例参考代码：

from pathlib import Pathimport pandas as pdimport numpy as npimport requestsimport pandas_profilingif __name__ == "__main__":    file_name = Path("census_train.csv")if not file_name.exists():        data = requests.get("https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data"        )        file_name.write_bytes(data.content)# Names based on https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.names    df = pd.read_csv(        file_name,        header=None,        index_col=False,        names=["age","workclass","fnlwgt","education","education-num","marital-status","occupation","relationship","race","sex","capital-gain","capital-loss","hours-per-week","native-country",        ],    )# Prepare missing values    df = df.replace("\\?", np.nan, regex=True)    profile = df.profile_report()    profile.to_file(output_file=Path("./census_report.html"))

     除此之外，pandas_profiling还提供了pycharm配置方法：

     配置完成后在pycharm左边项目栏目直接右键external_tool下的pandas_profiling即可直接生成EDA报告。更多内容大家可以到该项目GitHub地址查看：

参考资料：

https://github.com/pandas-profiling/pandas-profiling