Datensätze in Pandas mit ProfileReport() | Python in LuckyTemplates

Eine der häufigsten Fragen, mit denen Sie als Datenanalyst konfrontiert werden, ist die Frage, wie ein bestimmter Datensatz am besten untersucht werden kann. Dies ist vor allem dann ein wichtiger Gesichtspunkt, wenn Sie alle Daten in einem Bericht zusammenfassen möchten, der für Sie selbst oder Ihr Team leicht zu interpretieren ist. In diesem Tutorial werde ich zeigen, wie Sie mit ProfileReport() effizient Datensätze in Pandas erkunden können. Das vollständige Video dieses Tutorials können Sie unten in diesem Blog ansehen.

Was tun Sie, wenn Sie einen Datensatz erhalten? Wie untersuchen Sie den Datensatz? Wenn Sie alles in einem leicht lesbaren Bericht für sich selbst, Kollegen usw. zusammenfassen möchten, müssen Sie vor allem eine Menge Dinge bedenken.

Zuerst überlegen Sie, um welche Art von Variablen es sich handelt, denn das wird Einfluss darauf haben, wie Sie sie analysieren und wie Sie mit ihnen umgehen. Daten bedeuten, was gegeben ist. Es werden also die Daten fehlen, die wir nicht haben. Eine andere Sache ist, diese Beziehungen zu visualisieren. Wie sehen Sie aus? Wir möchten diese Visualisierungskraft frühzeitig und häufig nutzen.

Das sind viele ineinandergreifende komplexe Fragen. Das Gute ist, dass es diese Profilierungsberichtsfunktion gibt, die uns diese Antworten liefert. Schauen wir uns das alles in Python an.

Inhaltsverzeichnis

• Erkunden Sie Datensätze in Pandas mit der Funktion ProfileReport()
• Abschluss

Erkunden Sie Datensätze in Pandas mit der Funktion ProfileReport()

Zuerst laden wir den Datensatz.

Dann importieren wir aus pandas_profiling dieses Ding namens Profilbericht. Wenn hier nun eine Fehlermeldung angezeigt wird, müssen Sie es wahrscheinlich installieren. Ich verwende Anaconda. Ich schlage vor, dass Sie das auch verwenden. Lassen Sie uns dies ausführen und dann ausdrucken.

Hier ist es also. Wir haben eine Übersicht . Dies gibt uns eine Aufschlüsselung der Variablentypen. Wir haben die Datensatzstatistiken. Wir sehen die Anzahl der Zeilenspalten usw. Das Schöne an diesem Bericht ist, dass er wie ein One-Stop-Shop ist und auch wirklich gut aussieht. Es hat eine sehr ansprechende Präsentation.

Wir scrollen hier nach unten und wir haben die Variables . Wir erhalten eine Visualisierung und können weitere Details zur Variablen einblenden. Wir haben Flaggen, die auf Dinge hinweisen, die möglicherweise etwas ungewöhnlich sind. Wir haben auch diese Benachrichtigungen und viele andere Funktionen, die uns weitere Informationen liefern. Und das gilt für jede einzelne Variable.

Wenn wir weiter nach unten scrollen, finden wir Interaktionen, wo Streudiagramme zur Visualisierung der Daten erstellt werden.

Und dann haben wir Korrelationen , die die Beziehung zusammenfassen.

Als nächstes kommen die fehlenden Werte , die sehr wichtig sind. Wie Sie sehen, fehlen hier einige Werte und wir möchten wissen, warum. Diese Visualisierungen hier sollen uns dabei helfen. Wir können durch jedes Bild klicken und die Daten analysieren.

Zuletzt haben wir die Probe. Wir könnten dies auf viele Arten erreichen, aber dabei werden lediglich die ersten paar Zeilen ausgedruckt, was gut zu wissen ist.

MultiIndex in Pandas für mehrstufige oder hierarchische Daten
So laden Sie Beispieldatensätze in Python
Python in LuckyTemplates: So installieren und einrichten

Abschluss

So erkunden Sie Datensätze in Pandas mit der Funktion ProfileReport(). Es gibt viele Möglichkeiten, die Daten in Scheiben zu schneiden. Denken Sie an alle Kombinationen von Permutationen der Daten. Das wird zwar nicht alles für Sie erledigen, aber es ist ein wirklich guter Anfang.

Wenn wir Daten untersuchen, ist das eigentlich ein iterativer Prozess. Es gibt keine einmalige Zauberpille, die wir uns vielleicht wünschen würden. Allerdings ist ProfilerReport() wirklich ein tolles Tool. Wir erhalten viele Informationen und nur eine Zeile Code. Da es sich um ein kostenloses Tool handelt, hoffe ich, dass Sie es in Ihrer eigenen Arbeit verwenden können. Teilen Sie uns mit, wie Sie das machen.

Alles Gute!