PyGWalker，最好的数据分析库

PyGWalker 像一个神奇的工具，会使数据分析变得超级简单。

它会获取你的数据并将其转换为你可以与之交互的特殊表格，就像使用 Tableau 一样。你可以直观地探索数据、使用它并查看模式和见解，而不会迷失在复杂的代码中。

**PyGWalker **简化了一切，因此你可以快速、轻松地分析和理解你的数据。

https://github.com/Kanaries/pygwalker

安装库

我们可以通过 pip 来进行安装。

pip install pygwalker

要开始在 Jupyter Notebook 中使用 PyGWalker，你需要导入两个基本库：pandas 和 pygwalker。

import pandas as pd
import pygwalker as pyg

导入后，你可以将 PyGWalker 无缝集成到现有工作流程中。

例如，你可以使用 pandas 加载数据。

df = pd.read_csv( 'my_data.csv' )

然后，你可以通过将 DataFrame 作为参数传递来创建一个名为 “ gwalker ” 的 PyGWalker 实例。

gwalker = pyg.walk(df)

当你执行提供的命令时，新的输出将出现在代码单元格下方。此输出将包含一个交互式用户界面。

该界面提供了各种拖放功能，你可以利用它们来分析和探索数据。

它提供了一种便捷式的交互方式，使你能够执行可视化数据、探索关系等任务。

借助 PyGWalker，你现在拥有类似于 Tableau 的用户界面，可以让你分析和可视化数据。

PyGWalker 提供了更改图表类型的灵活性，使你能够创建不同的图表。

例如，你可以通过选择所需的变量并选择折线图类型来轻松切换到折线图。

你还可以通过创建连续视图来比较不同的度量。通过向行或列添加多个度量，你可以轻松地并排分析和比较它们。

你可以根据特定类别或特征将数据组织成单独的部分。这有助于你单独分析和比较不同的数据子集。

PyGWalker 允许你以表格格式查看数据并自定义分析类型和语义类型。

你可以轻松地以结构化方式可视化数据，并根据你的特定需求调整数据的分析和解释方式。

你还可以将数据探索结果保存到本地文件。

PyGWalker 是一个多功能库，提供多种功能。探索这个强大的工具可以增强你在数据分析和可视化方面的技能。