六个探索性数据分析(EDA)工具，太实用了！

淩亂°似流年 2024-02-05 18:06 47阅读 0赞

当进行数据分析时，探索性数据分析(EDA)是一个至关重要的阶段，它能帮助我们从数据中发现模式、趋势和异常现象。而选择合适的EDA工具又能够极大地提高工作效率和分析深度。在本文中，笔者将介绍6个极其实用的探索性数据分析(EDA)工具，这些工具能够帮助您更好地理解数据、发现隐藏的信息，并为后续分析和决策提供有力支持。让我们一起来看看这些工具是如何帮助我们探索数据世界的吧！

![36fd8aea9b158dcc1cb537fa4ce41ddd.png][]

### **1. SweetViz** ###

SweetViz是一个开源的 Python 库，可以通过仅两行代码生成美观且高密度的可视化图表，以便快速进行探索性数据分析（EDA）。其输出是一个完全独立的HTML应用程序。

其设计初衷是快速可视化目标数值并比较数据集，帮助快速分析目标特征、训练数据与测试数据之间的差异，以及数据集的结构、特征之间的关系、数据的分布情况等，从而加速数据分析的过程。

![5ba6188ab1a2eae2239e6539c8c30fd2.png][]

下面是一个简单的示例，演示如何使用SweetViz 进行数据探索性分析：

import pandas as pd
    import sweetviz as sv
    import numpy as np
    
    data = pd.DataFrame({'随机数': np.random.randint(1, 100, 100)})
    
    # 创建SweetViz 报告
    report = sv.analyze(data)
    
    # 将报告保存为HTML文件
    report.show_html('random_report.html')

### **2. ydata-profiling** ###

ydata-profiling是一个用于数据探查和分析的 Python 库，可以帮助用户快速了解和分析数据集的内容。通过使用ydata-profiling，用户可以生成关于数据集中各种变量的统计信息、分布情况、缺失值、相关性等方面的报告。这可以帮助用户在数据分析阶段更快地了解数据集的特征，从而更好地进行后续的数据处理和建模工作。

![1a088b2d6cc9a41cb4f9559806b457a7.png][]

以下是一个简单的示例代码，展示了如何使用ydata-profiling对数据集进行分析：

import pandas as pd
    from ydata_profiling import ProfileReport
    
    df = pd.read_csv('data.csv')
    profile = ProfileReport(df, title="Profiling Report")

### **3. DataPrep** ###

Dataprep是一个用于分析、准备和处理数据的开源Python包。DataPrep构建在Pandas和Dask DataFrame之上，可以很容易地与其他Python库集成。

![89071514c598a03d2c2e9ff595766037.png][]

下面是一个简单的示例，演示如何使用DataPrep进行数据探索性分析：

from dataprep.datasets import load_dataset
    from dataprep.eda import create_report
    
    df = load_dataset("titanic.csv")
    create_report(df).show_browser()

### **4. AutoViz** ###

Autoviz包可以用一行代码自动可视化任何大小的数据集，并自动生成HTML、bokeh等报告。用户可以与AutoViz包生成的HTML报告进行交互。

![b85d71f5494e830c2b249f5661f85fc0.png][]

以下是一个简单的示例代码，展示了如何使用 AutoViz：

from autoviz.AutoViz_Class import AutoViz_Class
    
    AV = AutoViz_Class()
    filename = "" # 如果有文件名，可以在这里指定
    sep = "," # 数据集的分隔符
    dft = AV.AutoViz(
        filename,
        sep=",",
        depVar="",
        dfte=None,
        header=0,
        verbose=0,
        lowess=False,
        chart_format="svg",
        max_cols_analyzed=30,
        max_rows_analyzed=150000,
        )

### **5. D-Tale** ###

D-Tale 是一个结合了 Flask 后端和 React 前端的工具，为用户提供了一种轻松查看和分析 Pandas 数据结构的方式。它与 Jupyter 笔记本和 Python/IPython 终端完美集成。目前，该工具支持 Pandas 的数据结构，包括 DataFrame、Series、MultiIndex、DatetimeIndex 和 RangeIndex。用户可以通过 D-Tale 在浏览器中直观地查看数据、生成统计信息、创建可视化图表，并进行一些数据处理操作。D-Tale 的结构使得数据分析变得更加直观和便捷，为用户提供了一种高效的数据探索和分析工具。

![a11fbbc8043aa85178723037ce2ea8a4.png][]

### **6. Dabl** ###

Dabl不太关注单个列的统计度量，而是更多地关注通过可视化提供快速概述，以及方便的机器学习预处理和模型搜索。Dabl中的Plot()函数可以通过绘制各种图来实现可视化，包括:

*  目标分布图
 *  散射对图
 *  线性判别分析

![1ab94a73a0025ffb0365a56247dee6a7.gif][]

以下是一个简单的示例代码，展示了如何使用Dabl：

import pandas as pd
    import dabl
    
    df = pd.read_csv("titanic.csv")
    dabl.plot(df, target_col="Survived")

[36fd8aea9b158dcc1cb537fa4ce41ddd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/30/242c17077019488cae6e1a41b198b880.png
[5ba6188ab1a2eae2239e6539c8c30fd2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/30/85cb80e7ee09468e956dedcda7e3cd83.png
[1a088b2d6cc9a41cb4f9559806b457a7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/30/900ed46bf7eb43a68160927ce8fb8659.png
[89071514c598a03d2c2e9ff595766037.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/30/e49bbe1ac46342a7a92c8219341275a0.png
[b85d71f5494e830c2b249f5661f85fc0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/30/f361b9b0ec6c4f10a85ceb1870d96ca8.png
[a11fbbc8043aa85178723037ce2ea8a4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/30/3f1775389de4443699d996ea25b7f960.png
[1ab94a73a0025ffb0365a56247dee6a7.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/30/a6a61bdefbda4bf8b046cc0846400cef.png