江苏龙网

  1. 首页 > 资讯 > 科技 > >

[]如何使用Pandas-Profiling进行快速探索性数据分析( 二 )


本文插图

对于数值特征 ， 除了有均值、标准差、最小值、最大值、四分位距(IQR)等详细统计外 ， 还绘制了直方图 ， 给出了常用值和极值的列表 。
分类特征：
与数字特征类似 ， 对于分类特征 ， 它会计算通用值 ， 长度 ， 字符等 。
[]如何使用Pandas-Profiling进行快速探索性数据分析
本文插图

交互
在交互部分 ， pandas_profiling库自动为每一对变量生成交互图 。 您可以通过从两个标题中选择特定的变量来获取任何一对的交互关系图 。
[]如何使用Pandas-Profiling进行快速探索性数据分析
本文插图

相关矩阵：
相关性是一种统计技术 ， 它可以显示变量对之间是否相关以及如何相关 。
相关的主要结果称为相关系数(或“r”) 。 它的范围是从-1.0到+1.0 。 r越接近+1（或-1) ， 这两个变量的关系就越密切 。 如果r接近0 ， 这意味着变量之间不相关 。 如果r是正的 ， 这意味着一个变量变大 ， 另一个变大 。 如果r是负的 ， 这意味着随着一个变大 ， 另一个变小(通常称为“逆相关”) 。
在生成所有数值特征的相关矩阵时 ， pandas_profiling库为我们提供了所有流行的选项 ， 包括Pearson的r ， Spearman的ρ等 。
[]如何使用Pandas-Profiling进行快速探索性数据分析
本文插图

缺点
pandas-profiling的主要缺点是针对大型机器学习数据集 。 随着数据量的增加 ， 生成报告的时间也增加了很多 。
解决此问题的一种方法是为数据集的一部分生成概要报告 。 但是在执行此操作时 ， 确保对数据进行随机采样非常重要 ， 这样它才能代表我们拥有的所有数据 。 我们可以这样做：
from pandas_profiling import ProfileReport # Generate report for 10000 data points profile = ProfileReport(data.sample(n = 10000), title=''Titanic Data set'', html={'style': {'full_width': True}}, sort=''None'') # save to file profile.to_file(output_file='10000datapoints.html')【[]如何使用Pandas-Profiling进行快速探索性数据分析】如果您坚持要获得关于整个数据集的报告 ， 您可以使用最小模式来实现这一点 。 在最小模式下 ， 生成的简化报告比完整报告的信息要少 ， 但对于大型数据集 ， 生成的速度相对较快 。 简化报告的代码如下:
profile = ProfileReport(large_dataset, minimal=True) profile.to_file(output_file=''output.html'')


推荐阅读


上一篇：「」物联网安全漏洞到底从何而来？

下一篇：「唐山」唐山移动加码“新基建”，今年7月底5G规模将达到全省第二