数据分析神器 Pandas：如何用 1 行 Python 代码发掘数据？

在 30 秒内，完成你全部的标准数据分析，这就是用 Pandas 停止数据分析产生的“奇观”。

Pandas 是 Python 中处理数据的首选库，它运用起来很容易，非常灵敏，可以处理不同类型和大小的数据，而且它有大量的 函数 ，这让操作数据几乎是小菜一碟。

Pandas 基础之旅

私信小编01 支付残缺项目代码！

用 Python 处理过数据的人大概对 pandas 不生疏。

假如想处理行或列排序的格式化数据，大多数状况下，你可以运用 pandas 处理。假如没安装 pandas，可以用你喜欢的命令终端安装，一定要用 pip 命令：

 复制代码
pipinstallpandas

如今，让我们看看默许的 pandas 完成都可以做什么：

非常简约，但也很平铺直叙，“method”这列去哪儿？

我们解释一下下面代码和输入的含义：

Pandas 的任何“数据帧”都有一个 describe() 方法，这个方法会前往下面的输入。但请留意，这个方法的以上输入数据中，关于类别的变量漏掉了。在下面的例子中，输入信息里，“ method”这一列被完全移除。

让我们看看能否能做得更好。

Pandas 分析

这仅仅是分析报告的扫尾部分

假如我告诉你，我仅用 3 行 Python 代码即可生成以下统计数据，你会感觉如何（ 假如不算 imports 语句的话，实践上只需求 1 行代码即可 ）：

核心信息 ：类型、独一值、缺失值分位数统计 ：如最小值、Q1、中位数、Q3、最大值、范围、四分位数范围等描画性统计 ：如平均值、众数、标准差、求和、中位数相对偏向、扰动系数、峰度、偏度等高频运用的数值直方图相关性 ：会突出显示高相关度变量、Spearman、Pearson 和 Kendall 矩阵缺失值 ：矩阵、计数、热力图和缺失值树状图

（以上特征列表直接摘自 Pandas Profiling GitHub 页面 ）

运用 Pandas Profiling 包，我们仅用 1 行代码就可以得到以上数据！在命令行终端只需运用 pip 即可安装 Pandas Profiling 包：

 复制代码
pipinstallpandas_profiling

乍一看，阅历丰富的数据分析师能够会嘲笑这是华而不实的，但是，它可以协助你疾速获得你拥有的数据概况：

看到了吗，正如我所说，1 行代码搞定！

你看到的第一部分内容是“ 概览 ”（请看上图），这部分内容会呈现给你一些非常高级的数据和变量统计，以及像变量高相关性和高偏态性等这类 正告 。

但是它提供的信息远远不止这些。往下滑动，我们会发现这份输入报告包含多个部分。仅用图片显示这个 1 行代码的输入都是不大合适的，所以我制造了一张 GIF 图：

我激烈建议你本人来探求这个软件包里的特征——毕竟，这只要 1 行代码，而且你会在当前的数据分析中发现这个软件包真的很好用。

 复制代码
import pandasaspd
import pandas_profiling
pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/planets.csv').profile_report()

更多相似的代码库

假如你喜欢运用这些易用的东西来改进你的 Python 工作流，可以看看我的 一些最新文章 。

最后的思索

这篇文章真的很短小。我本人才刚刚发现 Pandas Profiling 这个库，觉得可以拿来分享！

分享了

为保住菊花，这个一定得回复！

加油！不要理那些键盘侠！

除了666我无话可说