Python Sweetviz 轻松实现探索性数据分析

Sweetviz 是一个开源 Python 库，仅需三行代码即可生成高精度、美观的可视化结果，从而启动探索性数据分析（EDA）。最终输出为 HTML 格式文件。文末附有技术交流群信息，欢迎点赞、收藏与支持。

如上图所示，该工具不仅能按性别、年龄等不同字段进行纵向数据剖析，还能对每个字段执行横向对比，统计众数、最大值、最小值等关键指标。

系统会自动检测所有输入的数值与文本信息，执行数据分析、可视化展示及对比操作，并自动生成总结报告，是进行探索性数据分析的得力助手。

1. 准备工作

请选择以下任一方式输入命令以安装依赖： 1. Windows 环境：打开 Cmd（开始-运行-CMD）。 2. MacOS 环境：打开 Terminal（command+空格输入Terminal）。 3. 若使用 VSCode 编辑器或 PyCharm，可直接在界面下方的 Terminal 中操作。

pip install sweetviz

2. Sweetviz 基本用法

Sweetviz 的核心原理是通过一行代码生成数据报告对象（其中，my_dataframe 为 Pandas 中的 DataFrame，一种表格型数据结构）：

import pandas as pd
import sweetviz as sv

# 读取数据
my_dataframe = pd.read_csv('../ImpartData/iris.csv')
# 分析数据
my_report = sv.analyze(my_dataframe)
# 生成报告
my_report.show_html()

执行完毕后，当前文件夹下将生成一个 HTML 格式的报告文件。

双击该 HTML 文件，即可查看精美的分析报告：

其中，可用的分析函数有三种，除上述提到的 analyze 函数外，还包括 compare 和 compare_intra 函数。

首先是 analyze 函数：

analyze(source: Union[pd.DataFrame, Tuple[pd.DataFrame, str]],
            target_feat: str = None,
            feat_cfg: FeatureConfig = None,
            pairwise_analysis: str = 'auto')

可见其包含以下 4 个可配置参数：

• source：以 Pandas 中的 DataFrame 数据结构作为分析对象。
• target_feat：需被标记为目标对象的字符串。
• feat_cfg：指定需要跳过或强制转换为特定数据类型的特征。
• pairwise_analysis：相关性分析可能耗时较长。若超出可接受范围，可将此参数设置为 on 或 off，以控制是否进行数据相关性分析。

compare()：两个数据集比较

my_report = sv.compare([my_dataframe, "Training Data"], [test_df, "Test Data"], "Survived", feature_config)

要比较两个数据集，只需使用 compare() 函数。其参数与 analyze() 相同，但增加了第二个参数以覆盖比较数据帧。建议使用 [dataframe, “name”] 参数格式，以便更好地区分基础数据帧和比较数据帧（例如 [my_df, "Train"] 比 my_df 更优）

compare_intra()：数据集栏目比较

my_report = sv.compare_intra(my_dataframe, my_dataframe["Sex"] == "male", ["Male", "Female"], feature_config)

若需对数据集中特定栏目下的参数进行分析，请使用此函数。 例如，如需比较“性别”栏目下“男性”和“女性”的差异，即可采用此函数。

3. 调整报告布局

创建报告对象后，只需将其传递给以下两个 show 函数之一：

1. show_html()：

show_html( filepath='SWEETVIZ_REPORT.html',
            open_browser=True,
            layout='widescreen',
            scale=None)

**show_html(…)** 将在当前文件路径中创建并保存 HTML 报告。支持以下参数：

• layout（布局）：可选 'widescreen' 或 ‘vertical'。宽屏布局在鼠标悬停时于屏幕右侧显示详细信息。新版（自 2.0 起）垂直布局在水平方向更紧凑，且点击时可展开各细节区域。
• scale：使用浮点数（如 scale=0.8 或 None）缩放整个报告。
• open_browser：启用 Web 浏览器自动打开以显示报告。若无需自动打开，可在此禁用。

2. show_notebook()：

show_notebook( w=None,
                h=None,
                scale=None,
                layout='widescreen',
                filepath=None)

该函数将嵌入一个 IFRAME 元素，在 Notebook 环境中显示报告（例如 Jupyter、Google Colab 等）。

请注意，由于 Notebook 环境通常限制较多，建议使用自定义宽度/高度/比例值（w、h、scale）。具体选项如下：

• w（宽度）：设置报告输出窗口的宽度。可为百分比字符串 (w=“100%”) 或像素值 (w=900)。
• h（高度）：设置报告输出窗口的高度。可为像素数 (h=700) 或设为“full”以拉伸至与所有特征等高。
• scale：与前述 show_html 中的定义相同。
• layout：与前述 show_html 中的定义相同。
• scale：与前述 show_html 中的定义相同。
• filepath：可选的输出 HTML 报告路径。

我们的文章到此结束。如果您喜欢本文，请点赞、支持并关注。

技术交流

欢迎转载、收藏，如有收获请点赞支持！

至此，关于 Python Sweetviz 轻松实现探索性数据分析的介绍完毕。更多 Python Sweetviz 相关内容，请搜索本站历史文章或继续浏览下方相关文章，希望大家日后多多支持本站！