Set Data Dalam Panda Dengan ProfileReport() | Python Dalam LuckyTemplates

Salah satu soalan paling biasa yang anda akan hadapi sebagai penganalisis data ialah cara terbaik untuk meneroka set data yang diberikan. Ini merupakan pertimbangan penting terutamanya jika anda ingin meletakkan semua data bersama-sama dalam laporan yang akan mudah ditafsirkan oleh anda sendiri atau pasukan anda. Dalam tutorial ini, saya akan menunjukkan cara anda boleh meneroka set data dalam Panda dengan cekap menggunakan ProfileReport(). Anda boleh menonton video penuh tutorial ini di bahagian bawah blog ini.

Apabila anda diberi set data, apakah yang anda lakukan? Bagaimanakah anda meneroka set data? Terutamanya, jika anda ingin menyusun semuanya dalam laporan yang mudah dibaca untuk diri sendiri, untuk rakan sekerja, dsb., anda mempunyai banyak perkara untuk dipertimbangkan.

Mula-mula, anda fikirkan tentang jenis pembolehubahnya kerana itu akan mempengaruhi cara anda menganalisisnya dan cara anda melayannya. Data bermaksud apa yang diberikan. Jadi, apa yang hilang ialah data yang kita tidak ada. Perkara lain adalah untuk menggambarkan hubungan tersebut. Bagaimanakah rupa mereka? Kami mahu menggunakan kuasa visualisasi itu awal dan kerap.

Ini adalah banyak soalan kompleks yang saling berkaitan. Perkara yang baik ialah terdapat fungsi laporan pemprofilan yang tersedia yang akan memberi kami jawapan tersebut. Jadi, mari kita lihat semua itu dalam Python.

Isi kandungan

• Terokai Set Data Dalam Panda Menggunakan Fungsi ProfileReport().
• Kesimpulan

Terokai Set Data Dalam Panda Menggunakan Fungsi ProfileReport().

Pertama, kami akan memuatkan set data.

Kemudian, daripada pandas_profiling , kami akan mengimport perkara ini yang dipanggil laporan profil. Sekarang, jika anda mendapat ralat di sini, anda mungkin perlu memasangnya. Saya menggunakan Anaconda. Saya cadangkan anda menggunakannya juga. Mari jalankan ini, dan kemudian cetaknya.

Jadi begini. Kami mempunyai Gambaran Keseluruhan . Ini memberi kita pecahan jenis pembolehubah. Kami mempunyai statistik set data. Kami melihat bilangan lajur baris, seterusnya dan seterusnya. Perkara yang menarik dengan laporan ini ialah ia seperti kedai sehenti dan ia juga kelihatan sangat bagus. Ia mempunyai persembahan yang sangat menarik.

Kami tatal ke bawah di sini dan kami mempunyai Pembolehubah . Kami mendapat visualisasi dan kami boleh menogol lebih banyak butiran tentang pembolehubah. Kami mempunyai bendera yang menunjukkan perkara yang mungkin agak luar biasa. Kami mempunyai makluman ini juga, dan banyak ciri lain yang akan memberikan kami lebih banyak maklumat. Dan, ini adalah untuk setiap pembolehubah tunggal.

Semasa kami terus menatal ke bawah, kami akan menemui Interaksi, di mana ia mencipta plot serakan untuk menggambarkan data.

Dan kemudian, kami mempunyai Correlations , yang meringkaskan hubungan itu.

Seterusnya ialah Nilai Hilang , yang sangat penting. Seperti yang anda lihat, kami mempunyai beberapa nilai yang hilang di sini dan kami ingin tahu sebabnya. Visualisasi ini di sini bertujuan untuk membantu kami melakukannya. Kami boleh mengklik setiap visual dan menganalisis data.

Akhir sekali, kami mempunyai Sampel. Kita boleh mendapatkan ini dalam banyak cara, tetapi semua yang dilakukan ini hanyalah mencetak beberapa baris pertama, yang bagus untuk diketahui.

MultiIndex Dalam Pandas Untuk Data Berbilang peringkat Atau Hierarki
Cara Memuatkan Set Data Contoh Dalam Python
Python Dalam LuckyTemplates: Cara Memasang Dan Menyediakan

Kesimpulan

Begitulah cara anda meneroka set data dalam Pandas menggunakan fungsi ProfileReport(). Terdapat banyak cara untuk memotong dan memotong data. Fikirkan semua gabungan pilih atur data. Ini tidak akan dapat melakukan segala-galanya untuk anda, tetapi ia adalah permulaan yang sangat baik.

Apabila kami meneroka data, ia benar-benar proses berulang. Tiada pil ajaib satu-dan-selesai seperti yang kita mahukan. Walau bagaimanapun, ProfilerReport() benar-benar alat yang hebat. Kami mendapat banyak maklumat dan hanya satu baris kod. Ini adalah alat percuma, jadi saya harap anda boleh menggunakannya dalam kerja anda sendiri. Beritahu kami bagaimana anda melakukannya.

Semua yang terbaik!