小编给大家分享一下python中pandas_profiling怎么用，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！
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 snsimport pandas as pdimport pandas_profiling as ppimport 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')
看完了这篇文章，相信你对“python中pandas_profiling怎么用”有了一定的了解，如果想了解更多相关知识，欢迎关注亿速云行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
