两种方法教你一行代码实现探索性数据分析报告

Python数据分析

---

• 🌸个人主页：JoJo的数据分析历险记
• 📝个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生
• 💌如果文章对你有帮助，欢迎关注、点赞、收藏、订阅专栏

文章目录

• Python数据分析
• 💮两种方法教你一行代码实现探索性数据分析报告
• 🏵️1. Sweetviz
• 🌹2. 比较探索性数据分析
• 🥀3. pandas_profiling
• ✨总结
• 文章推荐

💮两种方法教你一行代码实现探索性数据分析报告

探索性数据分析（EDA） 是使用可视化方法总结和分析数据集主要特征的过程。EDA是数据科学家要做的第一部分，如果我们不懂得如何进行EDA，那么无法对数据进行进一步的建模。上一篇文章我以泰坦尼克号数据为例，介绍了如何使用python详细的进行探索性数据分析，但有时这是很耗费时间的，现在，我介绍两种方法实现一行代码生成探索性数据分析报告。分别使用以下两个包，如果没有安装的小伙伴先去安装一下。

• Sweetviz
• pandas_profiling

我们照样使用泰坦尼克号数据集进行分析，需要相关数据集的看我这篇文章：https://blog.csdn.net/weixin_45052363/article/details/124383398

• 先导入数据

import pandas as pd
from pandas_profiling import ProfileReport
df = pd.read_csv("train.csv")
df.head()

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Thayer)	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

df.shape

(891, 12)

🏵️1. Sweetviz

Sweetviz 一个python开源库，通过基本的可视化来分析数据，并生成一个html文件。这个库的主要优点是我们可以 比较数据集。
首先我们创建一个名为sweet_Analysized_report的文件，显示探索性数据分析结果。在本报告中，我们可以很容易地找到不同变量的特征，如：数量、缺失值、不同值、最大值、最小值、平均值等。具体代码和结果如下图所示

import sweetviz as sv
sweet_report = sv.analyze(df)
sweet_report.show_html('sweet_report.html')

• 相关系数热力图
  

• Age分布情况

• sibsip分布情况
  

在这个Html文件中，我们可以看到其他每个变量的分布情况，大家可以自行验证测试。

🌹2. 比较探索性数据分析

Sweetviz还支持比较不同数据集的探索性数据分析，首先，我们将数据集分成两部分，然后进行比较，然后保存此比较报告。数据集的两部分显示两种不同的颜色橙色和蓝色。具体代码和结果见下文：

df1 = sv.compare(df[445:], df[:445])
df1.show_html('Compare.html')

这里我把数据分为两部分，分别有445和446个数据。

• survived分布情况

• Pclass分布情况
  

• sex分布情况
  

🥀3. pandas_profiling

pandas_profiling基于pandas的DataFrame数据类型，可以简单快速地进行探索性数据分析。和sweetviz类似，pandas_profiling可以返回一个html文件，包含如下内容

• 数据整体概要：数据类型，唯一值，缺失值等
• 各个变量的描述性统计分析
• 各个变量的分布情况，直方图和条形图
• 变量间的相关系数热力图等

具体代码和结果如下：

design_report = ProfileReport(df)
design_report.to_file(output_file='report.html')

• 变量分布情况
  

• 相关系数热力图

• 变量关系图
  

• 数据总体概要
  

✨总结

用上述两种方法得到的探索性数据分析是非常简易的。如果要想详细了解数据的话，建议一步一步根据自己的需求进行分析。具体可以看下面这篇推荐的文章，不过通过上述两种方法可以让我们大致初步的了解一下数据情况，并且可以节约很多时间（毕竟探索性数据分析真的很花费时间）

文章推荐

🎄不知道如何进行探索性数据分析（EDA）？超详细教程，快来学习吧

在后续我还会考虑介绍一些如何使用python进行特征工程、数据清洗、模型构建以及一些数据挖掘实战项目。各位的点赞、收藏、评论、关注是我写作最大的动力！！！