ProfileReport() ile Pandalarda Veri Kümeleri | LuckyTemplatesda Python

Bir veri analisti olarak karşılaşacağınız en yaygın sorulardan biri, belirli bir veri kümesini keşfetmenin en iyi yolunun ne olduğudur. Bu, öncelikle tüm verileri kendiniz veya ekibiniz tarafından kolayca yorumlanabilecek bir raporda bir araya getirmek istiyorsanız önemli bir husustur. Bu öğreticide, ProfileReport() kullanarak Pandalardaki veri kümelerini nasıl verimli bir şekilde keşfedebileceğinizi göstereceğim. Bu eğitimin tam videosunu bu blogun alt kısmından izleyebilirsiniz.

Size bir veri seti verildiğinde ne yaparsınız? Veri setini nasıl keşfedersiniz? Öncelikle, kendiniz, iş arkadaşlarınız vb. için okuması kolay bir raporda hepsini bir araya getirmek istiyorsanız, dikkate almanız gereken çok şey var.

İlk olarak, ne tür değişkenler olduklarını düşünürsünüz çünkü bu, onları nasıl analiz ettiğinizi ve onlara nasıl davrandığınızı etkileyecektir. Veri, verilen anlamına gelir. Yani, eksik olan, sahip olmadığımız veriler olacak. Başka bir şey de bu ilişkileri görselleştirmek. Neye benziyorlar? Bu görselleştirme gücünü erken ve sık sık kullanmak istiyoruz.

Bunlar birbiriyle bağlantılı çok sayıda karmaşık sorudur. İyi olan şey, bize bu yanıtları verecek olan bu profil oluşturma raporu işlevinin mevcut olmasıdır. Öyleyse, tüm bunlara Python'da bakalım.

İçindekiler

• ProfileReport() İşlevini Kullanarak Pandalardaki Veri Kümelerini Keşfedin
• Çözüm

ProfileReport() İşlevini Kullanarak Pandalardaki Veri Kümelerini Keşfedin

Öncelikle veri setini yükleyeceğiz.

Ardından, pandas_profiling'den profil raporu denen bu şeyi içe aktaracağız. Şimdi, burada bir hata alırsanız, muhtemelen yüklemeniz gerekir. Anakonda kullanıyorum. Bunu da kullanmanızı öneririm. Bunu çalıştıralım ve ardından yazdıralım.

İşte burada. Bir Genel Bakışımız var . Bu bize değişken türlerinin bir dökümünü verir. Veri kümesi istatistiklerine sahibiz. Satır sütunlarının sayısını görüyoruz, vb. Bu raporun güzel yanı, tek durak noktası gibi olması ve aynı zamanda gerçekten güzel görünmesi. Çok çekici bir sunumu var.

Buraya kaydırıyoruz ve Variables'a sahibiz . Bir görselleştirme elde ederiz ve değişken hakkında daha fazla ayrıntıyı değiştirebiliriz. Biraz sıra dışı olabilecek şeyleri işaret eden bayraklarımız var. Bu uyarıları da aldık ve bize daha fazla bilgi sağlayacak diğer birçok özellik. Ve bu her bir değişken için.

Aşağı kaydırmaya devam ederken, verileri görselleştirmek için dağılım grafiklerinin oluşturulduğu Etkileşimleri bulacağız.

Ve sonra, ilişkiyi özetleyen Korelasyonlarımız var .

Sırada çok önemli olan Eksik Değerler var. Gördüğünüz gibi, burada bazı eksik değerlerimiz var ve nedenini bilmek istiyoruz. Buradaki görselleştirmeler, bunu yapmamıza yardımcı olmayı amaçlıyor. Her bir görseli tıklayabilir ve verileri analiz edebiliriz.

Son olarak, Örneğimiz var. Bunu birçok yoldan elde edebiliriz, ancak tüm yaptığımız sadece ilk birkaç satırı yazdırmak, ki bunu bilmek güzel.

Çok Düzeyli Veya Hiyerarşik Veriler İçin Pandalarda MultiIndex
Python'da Örnek Veri Kümeleri Nasıl Yüklenir
LuckyTemplates'da Python: Nasıl Yüklenir ve Kurulur

Çözüm

ProfileReport() işlevini kullanarak Pandalardaki veri kümelerini bu şekilde keşfedersiniz. Verileri dilimlemenin ve parçalara ayırmanın birçok yolu vardır. Verilerin tüm permütasyon kombinasyonlarını düşünün. Bu sizin için her şeyi yapamayacak, ama gerçekten iyi bir başlangıç.

Verileri keşfettiğimizde, bu gerçekten yinelemeli bir süreçtir. İsteyebileceğimiz kadar tek ve bitmiş sihirli hap yok. Ancak, ProfilerReport() gerçekten harika bir araçtır. Çok fazla bilgi ve sadece bir satır kod alıyoruz. Bu ücretsiz bir araçtır, umarım kendi işinizde kullanabilirsiniz. Bunu nasıl yaptığınızı bize bildirin.

Herşey gönlünce olsun!