pandas-profiling 2.3.0

熊猫侧写

从pandasdataframe生成配置文件报告。 pandasdf.descripe（）函数很棒，但对于严肃的探索性数据分析来说，它有点基础。 pandas_profiling使用df.profile_report（）扩展pandas数据帧，以便进行快速数据分析。

对于每一列，以下统计信息（如果与列类型相关）将显示在交互式HTML报表中：

• 要点：类型、唯一值、缺少值
• 分位数统计如最小值、q1、中值、q3、最大值、范围、四分位数范围
• 描述性统计如平均值、模式、标准差、和、中位数绝对偏差、变异系数、峰度、偏度
• 最常见值
• 直方图
• 相关性高度相关变量、spearman、pearson和kendall矩阵的突出显示
• 缺失值缺失值的矩阵、计数、热图和树状图

示例

下面的示例可以让您了解包的功能：

• 人口普查收入（与收入相关的美国成人人口普查数据）
• 美国宇航局陨石（陨石着陆的综合集）
• 泰坦尼克号（数据集的"奇妙之墙"）
• nza（荷兰卫生保健局的公开数据）
• Stata auto（1978年汽车数据）
• 网站不可访问性（演示URL类型）

安装

使用pip

您可以通过运行pip包管理器进行安装

pip install pandas-profiling

或者，您可以直接从github安装：

pip install https://github.com/pandas-profiling/pandas-profiling/archive/master.zip

使用conda

您可以通过运行conda软件包管理器进行安装

conda install -c conda-forge pandas-profiling

来源

通过克隆存储库或按此页上的'download zip'下载源代码。 导航到正确的目录并运行

python setup.py install

用法

profile报告是用html5和css3编写的，这意味着pandas profile需要一个现代化的浏览器。

文档

pandas_profiling的文档可以在这里找到。 文档是使用pdoc3生成的。 如果您正在参与此项目，则可以使用：

make docs

或在Windows上：

make.bat docs

Jupyter笔记本

我们建议使用Jupyter笔记本以交互方式生成报告。

首先加载Pandas数据框，例如使用

importnumpyasnpimportpandasaspdimportpandas_profilingdf=pd.DataFrame(np.random.rand(100,5),columns=['a','b','c','d','e'])

要在Jupyter笔记本中显示报告，请运行：

df.profile_report(style={'full_width':True})

要检索由于相关性高而被拒绝的变量列表：

profile=df.profile_report()rejected_variables=profile.get_rejected_variables(threshold=0.9)

如果要生成HTML报告文件，请将ProfileReport保存到一个对象，并使用to_file（）函数：

pip install pandas-profiling

pip install pandas-profiling

pip install pandas-profiling