在使用 pandas 进行数据分析时，进行一定的数据探索性分析（EDA）是必不可少的一个步骤，例如常见统计指标计算、缺失值、重复值统计等。

使用 df.describe() 等函数进行探索当然是常见操作，但若要进行更完整、详细的分析缺则略显不足。

本文就将分享两个用于数据探索的 pandas 插件。

pandas_profiling

首先要介绍的是pandas_profiling，它扩展了pandas DataFrame的功能，这也是在之前多篇文章中提到的插件。

只需使用pip install pandas_profiling即可安装，在导入数据之后使用df.profile_report()一行命令即可快速生成描述性分析报告👇

可以看到，除了之前我们需要的一些描述性统计数据，该报告还包含以下信息：

“

• 类型推断：检测数据帧中列的数据类型。
• 要点：类型，唯一值，缺失值
• 分位数统计信息，例如最小值，Q1，中位数，Q3，最大值，范围，四分位数范围
• 描述性统计数据，例如均值，众数，标准偏差，总和，中位数绝对偏差，变异系数，峰度，偏度
• 最常使用的值
• 直方图
• 相关性矩阵
• 缺失值矩阵，计数，热图和缺失值树状图
• 文本分析：了解文本数据的类别（大写，空格），脚本（拉丁，西里尔字母）和块（ASCII）

”

进一步我们还以将该报告保存为html格式，方便后续的查看，感兴趣的读者可以自行尝试。

sweetviz

第二个值得一用的是 sweetviz，同样是一个开源 Python 库，可生成美观、高密度的可视化，只需两行代码即可启动 EDA。

该插件围绕快速可视化目标值和比较数据集而构建。它的目标是帮助快速分析目标特征、训练与测试数据以及其他此类数据特征任务。

安装方法同上，执行pip install sweetviz即可。使用方法也是类似，导入数据后只需两行代码即可输出分析报告

import sweetviz as sv
report = sv.analyze(df)
report.show_html()

和 pandas_profiling 不一样的是，现在我们只能得到一个html文件，打开即可看到相关 EDA 报告👇

可以看到，自动生成的报告主要有以下几个部分

“

1. 目标分析
• 显示目标值，例如泰坦尼克号数据集中的“幸存”，与其他特征的关系）
2. 可视化和比较
• 不同的数据集（例如训练与测试数据）
• 组内特征（例如男性与女性）
3. 混合型联想
• Sweetviz 无缝集成了数值（Pearson 相关）、分类（不确定系数）和分类-数值（相关比）数据类型的关联，为所有数据类型提供最大的信息。
4. 类型推断
• 自动检测数字、分类和文本特征，可选择手动覆盖
5. 概要信息
• 类型、唯一值、缺失值、重复行、最常见值
• 数值分析：最小值/最大值/范围、四分位数、平均值、众数、标准偏差、总和、中值绝对偏差、变异系数、峰态、偏度

”

从上面的介绍我们也能看出，两个 EDA 的插件侧重点有所不同，我们在实际使用时也应该根据数据特征与分析目标灵活使用！