如何使用pandas_profiling完成探索性数据分析，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。 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 香港云主机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：
对数据进行统计描述：
查看变量信息和缺失情况：
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：conda：source：先下载源码文件，然后解压到setup.py所在的文件目录下： 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。 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： 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：关于如何使用pandas_profiling完成探索性数据分析问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注开发云行业资讯频道了解更多相关知识。
本篇内容主要讲解“cargo编译musl报错openssl怎么办”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“cargo编译musl报错openssl怎么办”吧!生产环境和编译环境的glibc版本不同出现来如下报错…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
