PyGWalker 像一个神奇的工具,会使数据分析变得超级简单。
它会获取你的数据并将其转换为你可以与之交互的特殊表格,就像使用 Tableau 一样。你可以直观地探索数据、使用它并查看模式和见解,而不会迷失在复杂的代码中。
PyGWalker 简化了一切,因此你可以快速、轻松地分析和理解你的数据。
https://github.com/Kanaries/pygwalker
安装库
我们可以通过 pip 来进行安装。
pip install pygwalker
要开始在 Jupyter Notebook 中使用 PyGWalker,你需要导入两个基本库:pandas 和 pygwalker。
import pandas as pd
import pygwalker as pyg
导入后,你可以将 PyGWalker 无缝集成到现有工作流程中。
例如,你可以使用 pandas 加载数据。
df = pd.read_csv( 'my_data.csv' )
然后,你可以通过将 DataFrame 作为参数传递来创建一个名为 “ gwalker ” 的 PyGWalker 实例。
gwalker = pyg.walk(df)
当你执行提供的命令时,新的输出将出现在代码单元格下方。此输出将包含一个交互式用户界面。
该界面提供了各种拖放功能,你可以利用它们来分析和探索数据。
它提供了一种便捷式的交互方式,使你能够执行可视化数据、探索关系等任务。
借助 PyGWalker,你现在拥有类似于 Tableau 的用户界面,可以让你分析和可视化数据。
PyGWalker 提供了更改图表类型的灵活性,使你能够创建不同的图表。
例如,你可以通过选择所需的变量并选择折线图类型来轻松切换到折线图。
你还可以通过创建连续视图来比较不同的度量。通过向行或列添加多个度量,你可以轻松地并排分析和比较它们。
你可以根据特定类别或特征将数据组织成单独的部分。这有助于你单独分析和比较不同的数据子集。
PyGWalker 允许你以表格格式查看数据并自定义分析类型和语义类型。
你可以轻松地以结构化方式可视化数据,并根据你的特定需求调整数据的分析和解释方式。
你还可以将数据探索结果保存到本地文件。
PyGWalker 是一个多功能库,提供多种功能。探索这个强大的工具可以增强你在数据分析和可视化方面的技能。