用Python的dtale库进行数据探索

一时失言乱红尘 2022-12-26 11:15 182阅读 0赞

**dtale库简介 **/Profile/

数据分析是任何数据科学项目中最重要的部分。分析数据可为我们提供有关数据的一些重要而优美的见解。Python中有许多库可以执行分析，例如Pandas，Matplotlib，Seaborn等。

最近，开发人员引入了新的“ dtale”库，以更少的代码执行分析。

D-Tale是Flask后端和React前端的结合，为我们提供了一种查看和分析Pandas数据结构的简便方法。它与Jupyter笔记本和Python终端无缝集成。当前，此工具支持诸如DataFrame，Series，MultiIndex，DatetimeIndex和RangeIndex之类的Pandas对象。

让我们深入了解如何在Python中使用此dtale库！

![format_png][]

**1.为dtale设置环境**

conda create -n dtale python
    conda activate dtale

现在，我们首先需要在各自的环境中安装dtale库。

pip install dtale

**2.使用dtale进行探索性数据分析**

现在，让我们使用dtale深入研究我们的数据。

import dtale   ## importing D-Tale library

导入Seaborn将有助于我们加载数据集。Seaborn有许多默认数据集。我们将使用“planets”数据集进行以下分析。

import seaborn as sns
    df=sns.load_dataset(‘planets’)
    dtale.show(df, ignore_duplicate=True)

运行上述代码后，用户可以访问下面的交互式表以执行多个操作并可视化数据集。

![format_png 1][]

在左上角显示数据集的列数和行数（在这种情况下，为1035行和6列）

D-Tale以与pandas相同的方式向我们显示数据。唯一的不同是，左上角的菜单使我们可以对数据进行很多处理。

单击任何列标题会打开一个下拉菜单，该菜单为我们提供了对数据进行排序并根据需要准确显示的选项。

![format_png 2][]

--------------------

**3.探讨菜单选项**

**3.1描述选项**

在此菜单中，我们可以找到的最有趣的选项是Describe（描述），它显示了所选列的统计分析结果；Column Analysis（列分析），显示了所选列的直方图。

![format_png 3][]

选择所需的列后，我们将能够在屏幕中间看到三个主要选项“Describe”，“Histogram”和“Categories”选项。Describe选项为我们提供有关所选列数据的统计信息，而Histogram则为相应的图形表示。第三个选项是“Categories”，因为我们可以从“Category Breakd”中选择X轴变量。

![format_png 4][]

该库的另一个重要功能是在右上角的“Code Export”选项。此功能提供了特定输出的代码。同样，在“Describe”菜单中，我们将能够在底部看到所有异常值和“唯一性”值。

![format_png 5][]

--------------------

**3.2尺寸/主菜单：**

在D-Tale主菜单中，将找到D-Tale中所有可用的选项。这就是D-Tale的所有魔力所在。通过单击DataFrame左上角突出显示的播放按钮，将能够查看所有选项，如下图所示。

![format_png 6][]

D-Tale提供执行简单操作（例如排序，过滤和格式化）的功能。

重复选项是主要的帮助，它可以帮助我们删除数据集中的重复值，并且“自定义过滤器”选项可以将过滤器应用于列。用于数据可视化的最重要的选项是相关性，图表和热图。

--------------------

**3.3相关性**

在主菜单中单击“Correlations”选项后，它将重定向到另一个“Correlations”选项卡。在这种情况下，我们必须在“View correlation for”下拉列表中选择变量。在下拉列表中选择值之后，如果单击“ Correlation”值，将能够看到散点图中两个变量之间的Correlation的直观表示，如下图所示。

![format_png 7][]

![format_png 8][]

--------------------

**3.4图表**

主菜单中的图表选项可帮助我们可视化所有不同类型的图表（折线图，条形图，ScatterPlot，圆形图，Wordcloud，Heatmap，3D ScatterPlot和Surface）。D-Tale的神奇功能之一是交互式绘图，它还支持3D图表和带有group by和聚合功能的动画。它非常有用，因为可以使用不同的图表来可视化任何类型的关系。下图显示了我们可以使用D-Tale中的Chart选项生成的一些图表示例。

![format_png 9][]

散点图

![format_png 10][]

词云图

最后，最理想的选择之一是Heatmap。它根据每个单元格的值在数据表中显示颜色。可以使用b中的export CSV选项将图形数据导出到CSV文件。

![format_png 11][]

热图

--------------------

**4.结论**

在本文中，我们了解了D-tale如何节省我们的时间和精力来创建具有视觉吸引力和洞察力的EDA报告。该EDA报表工具在分析和可视化所有类型的数据集时非常有用。D-Tale是数据科学社区中最受欢迎的图书馆之一。D-Tale有很多选项，可以帮助我们从统计角度了解数据的趋势，因此请继续探索。

本文为转载分享&推荐阅读，若侵权请联系后台删除

\-----------------

长按识别下方二维码，并关注公众号

![format_png 12][]

1.回复“**PY**”领取**1GB Python数据分析资料**

2.回复“**BG**”领取**3GB 名企数据分析报告**

[format_png]: /images/20221120/c0d19eb5cfed4ca9b1912770e668853e.png
[format_png 1]: /images/20221120/56d3c2020c764a2b976543d9564a439b.png
[format_png 2]: /images/20221120/a2cf8b39c49c407986eee38113d8fca1.png
[format_png 3]: /images/20221120/d42df1fd41194027be91f75ebbcbf894.png
[format_png 4]: /images/20221120/7b0a526d5ec045518a5d3592d700a6ee.png
[format_png 5]: /images/20221120/5c69e5b416884831a4a3806d8f53aaec.png
[format_png 6]: /images/20221120/e170efcf95b94d0a8b95cf7a2627d882.png
[format_png 7]: /images/20221120/2dac975f033f435aa20ac382fb265a55.png
[format_png 8]: /images/20221120/f06a986bc7d04ecb85ff508a7300b775.png
[format_png 9]: /images/20221120/a1984ef4e1bf47c9b11b71ff259ba1d2.png
[format_png 10]: /images/20221120/08bd1f931d9349a3acab96e221a9cedf.png
[format_png 11]: /images/20221120/5ea75699dae344f79527808a56895c3a.png
[format_png 12]: /images/20221120/289f3533cbe843ca98742d612b7c1f11.png