pandas_profiling：一行代码生成你的数据分析报告
笔者最近发现一款将pandas数据框快速转化为描述性数据分析报告的package——pandas_profiling。一行代码即可生成内容丰富的EDA内容，两行代码即可将报告以.html格式保存。笔者当初也是从数据分析做起的，所以深知这个工具对于数据分析的朋友而言极为方便，在此特地分享给大家。
我们以uci机器学习库中的人口调查数据集adult.data为例进行说明。
数据集地址：
https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data
常规情况下我们拿到数据做EDA的时候这几种函数是必用的：
看一下数据长啥样：
import numpy as np
import pandas as pd
adult = pd.read_csv('../adult.data')
adult.head()
对数据进行统计描述：
adult.describe()
查看变量信息和缺失情况：
adult.info()
这是最简单最快速了解一个数据集的方法。当然，更深层次的EDA一定是要借助统计图形来展示的。基于scipy、matplotlib和seaborn等工具的展示这里权且略过。
现在我们有了pandas_profiling。上述过程以及各种统计相关性计算、统计绘图全部由pandas_profiling打包搞定了。pandas_profiling安装，包括pip、conda和源码三种安装方式。
pip：
pip install pandas-profiling
pip install https://github.com/pandas-profiling/pandas-profiling/archive/master.zipconda：
conda install -c conda-forge pandas-profilingsource：
先下载源码文件，然后解压到setup.py所在的文件目录下：
python setup.py install再来看pandas_profiling基本用法，用pandas将数据读入之后，对数据框直接调用profile_report方法生成EDA分析报告，然后使用to_file方法另存为.html文件。
profile = df.profile_report(title="Census Dataset")
profile.to_file(output_file=Path("./census_report.html"))看看报告效果如何。pandas-profiling EDA报告包括数据整体概览、变量探索、相关性计算、缺失值情况和抽样展示等5个方面。
数据整体概览：
变量探索：
相关性计算：
这里为大家提供5种相关性系数。
缺失值情况：
pandas-profiling为我们提供了四种缺失值展现形式。
数据样本展示：
就是pandas里面的df.head()和df.tail()两个函数。
上述示例参考代码：
from pathlib import Path
import pandas as pd
import numpy as np
import requests
import pandas_profiling
if __name__ == "__main__":
file_name = Path("census_train.csv")
if not file_name.exists():
data = requests.get(
"https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data"
)
file_name.write_bytes(data.content)
# Names based on https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.names
df = pd.read_csv(
file_name,
header=None,
index_col=False,
names=[
"age",
"workclass",
"fnlwgt",
"education",
"education-num",
"marital-status",
"occupation",
"relationship",
"race",
"sex",
"capital-gain",
"capital-loss",
"hours-per-week",
"native-country",
],
)
# Prepare missing values
df = df.replace("\\?", np.nan, regex=True)
profile = df.profile_report(title="Census Dataset")
profile.to_file(output_file=Path("./census_report.html"))除此之外，pandas_profiling还提供了pycharm配置方法：
配置完成后在pycharm左边项目栏目直接右键external_tool下的pandas_profiling即可直接生成EDA报告。更多内容大家可以到该项目GitHub地址查看：
参考资料：
https://github.com/pandas-profiling/pandas-profiling