【Python】机器学习自动化数据分析库-dataprep

公众号：尤而小屋
作者：Peter
编辑：Peter

dataprep是一个开源的Python第三方库，有助于数据科学者、数据挖掘/分析师等自动化进行数据探索，能够快速地创建数据分析报告，还能够绘制整体图形、缺失值和相关系数等图形。

在本文中小编给大家详细介绍dataprep库的使用。

官网地址：https://dataprep.ai/

GitHub地址：https://github.com/sfu-db/dataprep

安装

在使用之前，先进行安装：建议使用豆瓣源安装，快速！

pip install -i https://pypi.douban.com/simple/ dataprep

导入库

先导入我们需要使用的库：

from dataprep.datasets import load_dataset  # 内置数据集
from dataprep.eda import plot # 绘图
from dataprep.eda import plot_correlation # 相关性
from dataprep.eda import create_report  # 分析报告
from dataprep.eda import plot_missing  # 缺失值

导入数据

提供两种数据导入方式：

• 内置数据集（如果有）
• 本地数据集

# 导入内置数据



    
df = load_dataset("titanic")  
# 导入本地数据
# df = pd.read_csv("titanic.csv")

df.head()

查看数据的基本信息：

In [3]:

df.shape

Out[3]:

(891, 12)

In [4]:

df.isnull().sum()

Out[4]:

PassengerId      0
Survived         0
Pclass           0
Name             0
Sex              0
Age            177
SibSp            0
Parch            0
Ticket           0
Fare             0
Cabin          687
Embarked         2
dtype: int64

In [5]:

df.dtypes

Out[5]:

PassengerId      int64
Survived         int64
Pclass           int64
Name            object
Sex             object
Age            float64
SibSp            int64
Parch            int64
Ticket          object
Fare           float64
Cabin           object
Embarked        object
dtype: object

使用dataprep自动化探索

整体数据分析

In [6]:

plot(df)

指定单个字段分析

In [7]:

plot(df, "Age")

直接指定Age字段：

指定多个字段分析

In [8]:

    
plot(df, "Age","Embarked")

查看两个字段之间的分析：

相关系数

In [9]:

plot_correlation(df)  # 相关系数

查看字段的3种相关系数：Stats

缺失值

In [10]:

plot_missing(df)  # 缺失值情况

查看数据的缺失值信息：

主要分柱状图、谱图、热力图、层次图来显示

分析报告

In [11]:

create_report(df).show()  # 报告

返回数据的整体分析报告（整个图）：