pandas_profiling ：教你一行代码生成数据分析报告

分析报告全貌

什么是探索性数据分析

熟悉pandas的童鞋估计都知道pandas的describe()和info()函数，用来查看数据的整体情况，比如平均值、标准差之类，就是所谓的探索性数据分析-EDA。

pandas_profiling简介

如果你想更方便快捷地了解数据的全貌，泣血推荐一个python库：pandas_profiling，这个库只需要一行代码就可以生成数据EDA报告。

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。

对于数据集的每一列，pandas_profiling会提供以下统计信息：

1、概要：数据类型，唯一值，缺失值，内存大小
2、分位数统计：最小值、最大值、中位数、Q1、Q3、最大值，值域，四分位

3、描述性统计：均值、众数、标准差、绝对中位差、变异系数、峰值、偏度系数

4、最频繁出现的值，直方图/柱状图

5、相关性分析可视化：突出强相关的变量，Spearman, Pearson矩阵相关性色阶图

并且这个报告可以导出为HTML，非常方便查看。

pandas_profiling安装

安装pandas_profiling可以使用pip、conda或者下载文件安装，非常方便。

我这里使用pip方式，在命令行输入：

pip install pandas-profiling

本文在Jupyter notebook中进行代码实验。

pandas_profiling使用方法

1、加载数据集

我这里用经典的泰坦尼克数据集：

# 导入相关库
import seaborn as sns
import pandas as pd
import pandas_profiling as pp
import matplotlib.pyplot as plt
# 加载泰坦尼克数据集
data = sns.load_dataset('titanic')
data.head()

输出：

2、使用pandas_profiling生成数据探索报告

report = pp.ProfileReport(data)
report

输出报告：

3、导出为html文件

report.to_file('report.html')

总结

pandas_profiling可以用一行代码生成详细的数据分析报告，与pandas深度结合，非常适合前期的数据探索阶段，以及结果数据报告批量化生产。对不太熟悉python数据分析的新手来说，这是一个非常好用的工具。