在 30 秒內(nèi)，完成你全部的標(biāo)準(zhǔn)數(shù)據(jù)分析，這就是用 Pandas 進(jìn)行數(shù)據(jù)分析產(chǎn)生的“奇跡”。

Pandas 是 Python 中處理數(shù)據(jù)的首選庫(kù)，它使用起來(lái)很容易，非常靈活，能夠處理不同類(lèi)型和大小的數(shù)據(jù)，而且它有大量的 函數(shù) ，這讓操作數(shù)據(jù)簡(jiǎn)直是小菜一碟。

Pandas 基礎(chǔ)之旅

私信小編01 領(lǐng)取完整項(xiàng)目代碼！

用 Python 處理過(guò)數(shù)據(jù)的人大概對(duì) pandas 不陌生。

如果想處理行或列排序的格式化數(shù)據(jù)，大多數(shù)情況下，你可以使用 pandas 處理。如果沒(méi)安裝 pandas，可以用你喜歡的命令終端安裝，一定要用 pip 命令：

 復(fù)制代碼

pipinstallpandas

現(xiàn)在，讓我們看看默認(rèn)的 pandas 實(shí)現(xiàn)都可以做什么：

非常簡(jiǎn)潔，但也很平淡無(wú)奇，“method”這列去哪兒？

我們解釋一下上面代碼和輸出的含義：

Pandas 的任何“數(shù)據(jù)幀”都有一個(gè) describe() 方法，這個(gè)方法會(huì)返回上面的輸出。但請(qǐng)注意，這個(gè)方法的以上輸出數(shù)據(jù)中，關(guān)于類(lèi)別的變量漏掉了。在上面的例子中，輸出信息里，“ method”這一列被完全移除。

讓我們看看是否能做得更好。

Pandas 剖析

這僅僅是剖析報(bào)告的開(kāi)頭部分

如果我告訴你，我僅用 3 行 Python 代碼即可生成以下統(tǒng)計(jì)數(shù)據(jù)，你會(huì)感覺(jué)如何（ 如果不算 imports 語(yǔ)句的話(huà)，實(shí)際上只需要 1 行代碼即可 ）：

• 核心信息 ：類(lèi)型、唯一值、缺失值
• 分位數(shù)統(tǒng)計(jì) ：如最小值、Q1、中位數(shù)、Q3、最大值、范圍、四分位數(shù)范圍等
• 描述性統(tǒng)計(jì) ：如平均值、眾數(shù)、標(biāo)準(zhǔn)差、求和、中位數(shù)絕對(duì)偏差、擾動(dòng)系數(shù)、峰度、偏度等
• 高頻使用的數(shù)值
• 直方圖
• 相關(guān)性 ：會(huì)突出顯示高相關(guān)度變量、Spearman、Pearson 和 Kendall 矩陣
• 缺失值 ：矩陣、計(jì)數(shù)、熱力圖和缺失值樹(shù)狀圖

（以上特征列表直接摘自 Pandas Profiling GitHub 頁(yè)面 ）

使用 Pandas Profiling 包，我們僅用 1 行代碼就可以得到以上數(shù)據(jù)！在命令行終端只需使用 pip 即可安裝 Pandas Profiling 包：

 復(fù)制代碼

pipinstallpandas_profiling

乍一看，經(jīng)驗(yàn)豐富的數(shù)據(jù)分析師可能會(huì)嘲笑這是華而不實(shí)的，但是，它可以幫助你快速獲得你擁有的數(shù)據(jù)概況：

看到了嗎，正如我所說(shuō)，1 行代碼搞定！

你看到的第一部分內(nèi)容是“ 概覽 ”（請(qǐng)看上圖），這部分內(nèi)容會(huì)呈現(xiàn)給你一些非常高級(jí)的數(shù)據(jù)和變量統(tǒng)計(jì)，以及像變量高相關(guān)性和高偏態(tài)性等這類(lèi) 警告 。

但是它提供的信息遠(yuǎn)遠(yuǎn)不止這些。往下滑動(dòng)，我們會(huì)發(fā)現(xiàn)這份輸出報(bào)告包含多個(gè)部分。僅用圖片顯示這個(gè) 1 行代碼的輸出都是不大合適的，所以我制作了一張 GIF 圖：

我強(qiáng)烈建議你自己來(lái)探索這個(gè)軟件包里的特色——畢竟，這只有 1 行代碼，而且你會(huì)在以后的數(shù)據(jù)分析中發(fā)現(xiàn)這個(gè)軟件包真的很好用。

 復(fù)制代碼

import pandasaspd
import pandas_profiling
pd.read_csv('https://raw./mwaskom/seaborn-data/master/planets.csv').profile_report()

更多類(lèi)似的代碼庫(kù)

如果你喜歡使用這些易用的東西來(lái)改進(jìn)你的 Python 工作流，可以看看我的 一些最新文章 。

最后的思考

這篇文章真的很短小。我自己才剛剛發(fā)現(xiàn) Pandas Profiling 這個(gè)庫(kù)，覺(jué)得可以拿來(lái)分享！