10 个 Python 自动探索性数据分析神库！

👇我的小册 45章教程:(小白零基础用Python量化股票分析小册) ,原价299，限时特价2杯咖啡，满100人涨10元。

转自：公众号丨数据STUDIO

探索性数据分析是数据科学模型开发和数据集研究的重要组成部分之一。在拿到一个新数据集时首先就需要花费大量时间进行EDA来研究数据集中内在的信息。自动化的EDA Python包可以用几行Python代码执行EDA。

在本文中整理了10个可以自动执行EDA并生成有关数据的见解的Python包，看看他们都有什么功能，能在多大程度上帮我们自动化解决EDA的需求。

1. DTale
2. Pandas-profiling
3. sweetviz
4. autoviz
5. dataprep
6. KLib
7. dabl
8. speedML
9. datatile
10. edaviz

1、D-Tale

   

    import dtale
    
import pandas as pd
    
dtale.show(pd.read_csv("titanic.csv"))
    

   

   

    #Install the below libaries before importing
    
import pandas as pd
    
from pandas_profiling import ProfileReport
    

    
#EDA using pandas-profiling
    
profile = ProfileReport(pd.read_csv('titanic.csv'), explorative=True)
    

    
#Saving results to a HTML file
    
profile.to_file("output.html")
   

   

    import pandas as pd
    
import sweetviz as sv
    

    
#EDA using Autoviz
    
sweet_report = sv.analyze(pd.read_csv("titanic.csv"))
    

    
#Saving results to HTML file
    
sweet_report.show_html('sweet_report.html')
    

   

   

    import pandas as pd
    
from autoviz.AutoViz_Class import AutoViz_Class
    

    
#EDA using Autoviz
    
autoviz = AutoViz_Class().AutoViz('train.csv')
    

   

   

    from dataprep.datasets import load_dataset
    
from dataprep.eda import create_report
    

    
df = load_dataset("titanic.csv")
    
create_report(df).show_browser()
    

   

   

    import klib
    
import pandas as pd
    

    
df = pd.read_csv('DATASET.csv')
    
klib.missingval_plot(df)
    

   

   

    klib.corr_plot(df_cleaned, annot=False)
    

   

   

    klib.dist_plot(df_cleaned['Win_Prob'])
    

   

   

    klib.cat_plot(df, figsize=(50,15))
    

   

7、Dabl

• 目标分布图
• 散点图
• 线性判别分析

   

    import pandas as pd
    
import dabl
    

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

   

8、Speedml

   

    from speedml import Speedml
    

    
sml = Speedml('../input/train.csv', '../input/test.csv',
    
            target = 'Survived', uid = 'PassengerId')
    
sml.train.head()
    

    

   

   

    sml.plot.correlate()
    

   

   

    sml.plot.distribute()
    

   

   

    sml.plot.ordinal('Parch')
    

   

   

    sml.plot.ordinal('SibSp')
    

   

   

    sml.plot.continuous('Age')
    

   

9、DataTile

   

    import pandas as pd
    
from datatile.summary.df import DataFrameSummary
    

    
df = pd.read_csv('titanic.csv')
    
dfs = DataFrameSummary(df)
    
dfs.summary()
    

   

10、edaviz

最后推荐一下我们团队写的量化小册的内容，45篇内容！从Python安装，入门，数据分析，爬取股票基金的历史+实时数据，以及如何写一个简单量化策略，策略回测，如何看资金曲线统统都有介绍！非常超值！

往期推荐
量化: 如何用Python爬取创业板历史+实时股票数据！｜实战股票分析篇利用Pandas 9招挖掘五粮液股价！｜实战股票数据分析篇 Pandas滚动操作 ｜量化股票第一步，用Python画股票K线，双均线图，可视化你的股票数据！｜如何用Python爬取全部800多只ETF基金数据！｜如何用Python写一个双均线策略 ｜如何用Python开发一个多策略机器人！上篇！｜Python量化系列-用布林策略买五粮液能赚多少钱？｜只要4秒钟！用Python 获取上证指数34年的历史日线数据！

入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径

干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街！唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜碟中谍这么火，我用机器学习做个迷你推荐系统电影

趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影