مجموعات البيانات في الباندا مع ProfileReport () | بايثون في LuckyTemplates

أحد الأسئلة الأكثر شيوعًا التي ستواجهها كمحلل بيانات هو أفضل طريقة لاستكشاف مجموعة بيانات معينة. يعد هذا اعتبارًا مهمًا في المقام الأول إذا كنت تريد وضع جميع البيانات معًا في تقرير يسهل تفسيره بنفسك أو بواسطة فريقك. في هذا البرنامج التعليمي ، سأوضح كيف يمكنك استكشاف مجموعات البيانات بكفاءة في Pandas باستخدام ProfileReport (). يمكنك مشاهدة الفيديو الكامل لهذا البرنامج التعليمي أسفل هذه المدونة.

عندما تحصل على مجموعة بيانات ، ماذا تفعل؟ كيف تستكشف مجموعة البيانات؟ بشكل أساسي ، إذا كنت ترغب في تجميع كل ذلك معًا في تقرير سهل القراءة لنفسك ولزملاء العمل وما إلى ذلك ، فلديك الكثير من الأشياء التي يجب مراعاتها.

أولاً ، تفكر في أنواع المتغيرات التي تمثلها لأن ذلك سيؤثر على كيفية تحليلك لها وكيف تتعامل معها. البيانات تعني ما يُعطى. لذا ، فإن ما ينقص هو البيانات التي لا نملكها. شيء آخر هو تصور تلك العلاقات. كيف يبدون؟ نريد استخدام قوة التصور هذه في وقت مبكر وفي كثير من الأحيان.

هناك الكثير من الأسئلة المعقدة المتداخلة. الشيء الجيد هو أن هناك وظيفة تقرير التنميط متاحة والتي ستمنحنا هذه الإجابات. لذا ، دعونا نلقي نظرة على كل ذلك في بايثون.

جدول المحتويات

• استكشف مجموعات البيانات في الباندا باستخدام وظيفة ProfileReport ()
• خاتمة

استكشف مجموعات البيانات في الباندا باستخدام وظيفة ProfileReport ()

أولاً ، سنقوم بتحميل مجموعة البيانات.

بعد ذلك ، من pandas_profiling ، سنقوم باستيراد هذا الشيء المسمى تقرير الملف الشخصي. الآن ، إذا حصلت على خطأ هنا ، فربما تحتاج إلى تثبيته. أنا أستخدم أناكوندا. أقترح عليك استخدام ذلك أيضًا. لنقم بتشغيل هذا ، ثم نطبعه.

حتى هنا هو عليه. لدينا نظرة عامة . هذا يعطينا تفصيلاً لأنواع المتغيرات. لدينا إحصائيات مجموعة البيانات. نرى عدد أعمدة الصفوف ، وهكذا دواليك. الشيء الجميل في هذا التقرير هو أنه يشبه متجرًا شاملاً ويبدو أيضًا رائعًا حقًا. لديها عرض تقديمي جذاب للغاية.

نقوم بالتمرير لأسفل هنا ولدينا المتغيرات . نحصل على تصور ، ويمكننا تبديل المزيد من التفاصيل حول المتغير. لدينا أعلام تشير إلى أشياء قد تكون غير عادية بعض الشيء. لدينا هذه التنبيهات أيضًا ، والعديد من الميزات الأخرى التي ستوفر لنا المزيد من المعلومات. وهذا لكل متغير.

مع استمرارنا في التمرير لأسفل ، سنجد التفاعلات ، حيث تم إنشاء مخططات مبعثرة لتصور البيانات.

وبعد ذلك ، لدينا الارتباطات التي لخصت العلاقة.

التالي هو القيم المفقودة ، وهي مهمة للغاية. كما ترى ، لدينا بعض القيم المفقودة هنا ونريد معرفة السبب. تهدف هذه التصورات هنا إلى مساعدتنا على القيام بذلك. يمكننا النقر فوق كل عنصر مرئي وتحليل البيانات.

أخيرًا ، لدينا العينة. يمكننا الحصول على هذا بعدة طرق ، ولكن كل ما يفعله هذا هو مجرد طباعة الصفوف العديدة الأولى ، وهو أمر جيد أن تعرفه.

MultiIndex في Pandas للحصول على بيانات متعددة المستويات أو هرمية
كيفية تحميل مجموعات البيانات النموذجية في Python
Python في LuckyTemplates: كيفية التثبيت والإعداد

خاتمة

هذه هي الطريقة التي تستكشف بها مجموعات البيانات في Pandas باستخدام وظيفة ProfileReport (). هناك العديد من الطرق لتقسيم البيانات وتقطيعها. فكر في جميع مجموعات التباديل في البيانات. لن يكون هذا قادرًا على فعل كل شيء من أجلك ، لكنها بداية جيدة حقًا.

عندما نستكشف البيانات ، فإنها في الحقيقة عملية تكرارية. لا يوجد حبة سحرية واحدة وقد فعلناها بقدر ما قد نريدها. ومع ذلك ، فإن ProfilerReport () هو بالفعل أداة رائعة. نحصل على الكثير من المعلومات وسطر واحد فقط من التعليمات البرمجية. هذه أداة مجانية ، لذا آمل أن تتمكن من استخدامها في عملك الخاص. دعنا نعرف كيف تفعل ذلك.

أتمنى لك كل خير!