Sweetviz： 讓你三行代碼實(shí)現(xiàn)探索性數(shù)據(jù)分析

Sweetviz是一個(gè)開(kāi)源Python庫(kù)，它只需三行代碼就可以生成漂亮的高精度可視化效果來(lái)啟動(dòng)EDA(探索性數(shù)據(jù)分析)。輸出一個(gè)HTML。

它不僅能根據(jù)性別、年齡等不同欄目縱向分析數(shù)據(jù)，還能對(duì)每個(gè)欄目做眾數(shù)、最大值、最小值等橫向?qū)Ρ取?/p>

所有輸入的數(shù)值、文本信息都會(huì)被自動(dòng)檢測(cè)，并進(jìn)行數(shù)據(jù)分析、可視化和對(duì)比，最后自動(dòng)幫你進(jìn)行總結(jié)，是一個(gè)探索性數(shù)據(jù)分析的好幫手。

1.準(zhǔn)備

開(kāi)始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上，如果沒(méi)有，可以訪問(wèn)這篇文章：超詳細(xì)Python安裝指南 進(jìn)行安裝。

**(可選1) **如果你用Python的目的是數(shù)據(jù)分析，可以直接安裝Anaconda：Python數(shù)據(jù)分析與挖掘好幫手—Anaconda，它內(nèi)置了Python和pip.

**(可選2) **此外，推薦大家用VSCode編輯器，它有許多的優(yōu)點(diǎn)：Python 編程的最好搭檔—VSCode 詳細(xì)指南。

請(qǐng)選擇以下任一種方式輸入命令安裝依賴 ：

1. Windows 環(huán)境 打開(kāi) Cmd (開(kāi)始-運(yùn)行-CMD)。
2. MacOS 環(huán)境 打開(kāi) Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.

pip install sweetviz

2.sweetviz 基本用法

sweetviz 使用的原理是，使用一行代碼，生成一個(gè)數(shù)據(jù)報(bào)告的對(duì)象（其中，my_dataframe是pandas中的DataFrame，一種表格型數(shù)據(jù)結(jié)構(gòu)）：

import pandas as pd
import sweetviz as sv

# 讀取數(shù)據(jù)
my_dataframe = pd.read_csv('../ImpartData/iris.csv')
# 分析數(shù)據(jù)
my_report = sv.analyze(my_dataframe)
# 生成報(bào)告
my_report.show_html()

執(zhí)行完成后，會(huì)在當(dāng)前文件夾下生成一個(gè)HTML的報(bào)告文件
)

雙擊這個(gè)html，你就能看到精美的分析報(bào)告了：

其中，分析數(shù)據(jù)有三種函數(shù)可以用，除了上面提到的analyze函數(shù)，還有 compare 和 compare_intra 函數(shù)。

首先是analyze函數(shù)：

analyze(source: Union[pd.DataFrame, Tuple[pd.DataFrame, str]],
            target_feat: str = None,
            feat_cfg: FeatureConfig = None,
            pairwise_analysis: str = 'auto')

可見(jiàn)其有以下4個(gè)參數(shù)可以配置：

• source： 以pandas中的DataFrame數(shù)據(jù)結(jié)構(gòu)作為分析對(duì)象。
• target_feat： 需要被標(biāo)記為目標(biāo)對(duì)象的字符串。
• feat_cfg： 需要被跳過(guò)、或是需要被強(qiáng)制轉(zhuǎn)換為某種數(shù)據(jù)類(lèi)型的特征。
• pairwise_analysis： 相關(guān)性分析可能需要花費(fèi)較長(zhǎng)時(shí)間。如果超過(guò)了你的忍受范圍，就需要設(shè)置這個(gè)參數(shù)為on或者off，以判斷是否需要分析數(shù)據(jù)相關(guān)性。

compare()丨兩個(gè)數(shù)據(jù)集比較

my_report = sv.compare([my_dataframe, "Training Data"], [test_df, "Test Data"], "Survived", feature_config)

要比較兩個(gè)數(shù)據(jù)集，只需使用該 ** compare() ** 函數(shù)。它的參數(shù)與 ** analyze()相同，只是插入了第二個(gè)參數(shù)來(lái)覆蓋比較數(shù)據(jù)幀。建議使用 [dataframe, "name"] 參數(shù)格式以更好地區(qū)分基礎(chǔ)數(shù)據(jù)幀和比較數(shù)據(jù)幀。（例如 ** [my_df, "Train"] ** 比my_df ** 更好）

compare_intra()丨數(shù)據(jù)集欄目比較

my_report = sv.compare_intra(my_dataframe, my_dataframe["Sex"] == "male", ["Male", "Female"], feature_config)

想要對(duì)數(shù)據(jù)集中某個(gè)欄目下的參數(shù)進(jìn)行分析，就采用這個(gè)函數(shù)進(jìn)行。
例如，如果需要比較“性別”欄目下的“男性”和“女性”，就可以采用這個(gè)函數(shù)。

3.調(diào)整報(bào)告布局

一旦你創(chuàng)建了你的報(bào)告對(duì)象，只需將它傳遞給兩個(gè)show函數(shù)中的一個(gè)：

1 . show_html() :

show_html( filepath='SWEETVIZ_REPORT.html',
            open_browser=True,
            layout='widescreen',
            scale=None)

show_html(...) 將在當(dāng)前文件路徑中創(chuàng)建并保存 HTML 報(bào)告。有以下參數(shù)：

• **layout ** ( 布局 )：無(wú)論是 ' widescreen '或 'vertical'。當(dāng)鼠標(biāo)移過(guò)每個(gè)功能時(shí)，寬屏布局會(huì)在屏幕右側(cè)顯示詳細(xì)信息。新的（從 2.0 開(kāi)始）垂直布局在水平方向上更加緊湊，并且可以在單擊時(shí)擴(kuò)展每個(gè)細(xì)節(jié)區(qū)域。
• scale ：使用浮點(diǎn)數(shù)（scale=0.8或 None ）來(lái)縮放整個(gè)報(bào)告。
• open_browser ：?jiǎn)⒂?Web 瀏覽器的自動(dòng)打開(kāi)以顯示報(bào)告。如果不需要，可以在此處禁用它。

2.show_notebook():

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

它將嵌入一個(gè) IFRAME 元素，在notebook中顯示報(bào)告（例如 Jupyter、Google Colab 等）。

請(qǐng)注意，由于Notebook通常是一個(gè)更受限制的環(huán)境，因此使用自定義寬度/高度/比例值 ( **w ** , h ** , ** scale ) 可能是個(gè)好主意。選項(xiàng)是：

• w （寬度）：設(shè)置報(bào)告輸出窗口的寬度。可以是百分比字符串 ( w="100%") 或像素 (w=900)。
• h （高度）：設(shè)置報(bào)告輸出窗口的高度?？梢允窍袼?cái)?shù) (h=700) 或?qū)⒋翱诶斓脚c所有特征 ( h="full")一樣高。
• scale ：與上面的 show_html 相同。
• layout ：與上面的 show_html 相同。
• scale ：與上面的 show_html 相同。
• filepath ：可選的輸出 HTML 報(bào)告。