Peter Nistrup?|?作者夏夜 | 譯者lnfoQ?|?來源

---

Pandas 是 Python 中處理數據的首選庫，它使用起來很容易，非常靈活，能夠處理不同類型和大小的數據，而且它有大量的函數，這讓操作數據簡直是小菜一碟。

在30 秒內，完成你全部的標準數據分析，這就是用pandas進行數據分析產生的“奇跡”。

1

Pandas 基礎之旅

用 Python 處理過數據的人大概對 pandas 不陌生。

如果想處理行或列排序的格式化數據，大多數情況下，你可以使用 pandas 處理。如果沒安裝 pandas，可以用你喜歡的命令終端安裝，一定要用 pip 命令：

pip install?pandas

現在，讓我們看看默認的 pandas 實現都可以做什么：

非常簡潔，但也很平淡無奇，“method”這列去哪兒？

我們解釋一下上面代碼和輸出的含義：

Pandas 的任何“數據幀”都有一個 describe() 方法，這個方法會返回上面的輸出。但請注意，這個方法的以上輸出數據中，關于類別的變量漏掉了。在上面的例子中，輸出信息里，“method”這一列被完全移除。

讓我們看看是否能做得更好。

2

Pandas 剖析

如果我告訴你，我僅用 3 行 Python 代碼即可生成以下統計數據，你會感覺如何(如果不算 imports 語句的話，實際上只需要 1 行代碼即可)：

• 核心信息：類型、唯一值、缺失值

• 分位數統計：如最小值、Q1、中位數、Q3、最大值、范圍、四分位數范圍等

• 描述性統計：如平均值、眾數、標準差、求和、中位數絕對偏差、擾動系數、峰度、偏度等

• 高頻使用的數值

• 直方圖

• 相關性：會突出顯示高相關度變量、Spearman、Pearson 和 Kendall 矩陣

• 缺失值：矩陣、計數、熱力圖和缺失值樹狀圖

(以上特征列表直接摘自?Pandas Profiling GitHub 頁面)

使用 Pandas Profiling 包，我們僅用 1 行代碼就可以得到以上數據！在命令行終端只需使用 pip 即可安裝 Pandas Profiling 包：

pip install?pandas_profiling

乍一看，經驗豐富的數據分析師可能會嘲笑這是華而不實的，但是，它可以幫助你快速獲得你擁有的數據概況：

看到了嗎，正如我所說，1 行代碼搞定！

你看到的第一部分內容是“概覽”(請看上圖)，這部分內容會呈現給你一些非常高級的數據和變量統計，以及像變量高相關性和高偏態性等這類警告。

但是它提供的信息遠遠不止這些。往下滑動，我們會發現這份輸出報告包含多個部分。僅用圖片顯示這個 1 行代碼的輸出都是不大合適的，所以我制作了一張 GIF 圖：

我強烈建議你自己來探索這個軟件包里的特色——畢竟，這只有 1 行代碼，而且你會在以后的數據分析中發現這個軟件包真的很好用。

import?pandas as?pd
import?pandas_profiling
pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/planets.csv').profile_report()-?END -

本文為轉載分享&推薦閱讀，若侵權請聯系后臺刪除

愛數據·8月數據職場專題直播

直播主題：數據分析面試·如何應對業務問題？

內容劇透：

• 數據分析師業務問題分類

• 常見業務面問題都有哪些？

• 回答業務面的要點以及策略

• 題目1：網站銷售額下降專題分析

• 題目2：用戶流失專題分析

直播時間：8月6日 本周四20:30

點擊下方立即預約本次直播！

總結

以上是生活随笔為你收集整理的pandas显示全部数据内容_1行Python代码就能挖掘数据！这个库太神奇啦！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。