数据分析神器 Pandas：如何用 1 行 Python 代码挖掘

作者：Peter Nistrup 译者：夏夜 来源：InfoQ

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

Pandas 是 Python 中处理数据的首选库，它使用起来很容易，非常灵活，能够处理不同类型和大小的数据，而且它有大量的函数，这让操作数据简直是小菜一碟。

Pandas 基础之旅

用 Python 处理过数据的人大概对 pandas 不陌生。

如果想处理行或列排序的格式化数据，大多数情况下，你可以使用 pandas 处理。如果没安装 pandas，可以用你喜欢的命令终端安装，一定要用 pip 命令：

pip install pandas

现在，让我们看看默认的 pandas 实现都可以做什么：

 

 

非常简洁，但也很平淡无奇，“method”这列去哪儿?

我们解释一下上面代码和输出的含义：

Pandas 的任何“数据帧”都有一个 describe() 方法，这个方法会返回上面的输出。但请注意，这个方法的以上输出数据中，关于类别的变量漏掉了。在上面的例子中，输出信息里，“method”这一列被完全移除。

让我们看看是否能做得更好。

Pandas 剖析

 

 

这仅仅是剖析报告的开头部分

如果我告诉你，我仅用 3 行 Python 代码即可生成以下统计数据，你会感觉如何(如果不算 imports 语句的话，实际上只需要 1 行代码即可)：

核心信息：类型、唯一值、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
描述性统计：如平均值、众数、标准差、求和、中位数绝对偏差、扰动系数、峰度、偏度等
高频使用的数值
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)

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

pip install pandas_profiling

乍一看，经验丰富的数据分析师可能会嘲笑这是华而不实的，但是，它可以帮助你快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警告。

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

 

 

我强烈建议你自己来探索这个软件包里的特色——毕竟，这只有 1 行代码，而且你会在以后的数据分析中发现这个软件包真的很好用。

import pandas as pd
import pandas_profiling
pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/planets.csv').profile_report()

更多类似的代码库

如果你喜欢使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。

最后的思考

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

原文链接：Exploring your data with just 1 line of Python

时间:2019-11-30 01:13  来源:    转发量:次