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
使用
- 导入pandas-profiling
import pandas_profiling
- 生成的数据报告
# data是需要生成报告的数据，DataFrame类型
pandas_profiling.ProfileReport(data)
- 导出报告
pfr = pandas_profiling.ProfileReport(data)
pfr.to_file('report.html')
目前pandas-profiling目前只支持导出html格式的文件。
参考