数据分析报告自动生成工具：Pandas-Profiling, Sweetviz

参考链接：
https://my.oschina.net/u/4581316/blog/4898542 https://blog.csdn.net/weixin_26746401/article/details/108260112
数据分析的EDA是一个必不可少的过程，一个能够自动生成数据基础分析报告的工具，可以节省大量的人工。
EDA的主要实现功能有：单变量的分析、多变量的联合分析、因变量与自变量的联合分析
在此，主要介绍两个工具：Pandas-Profiling,Sweetviz。
两个工具的功能类似，都能生成HTML的分析报告，不同的是Sweetviz需要Python3.6及以上的版本，并且可以比较两个数据集间差异
安装命令： pip install pandas-profiling, pip install sweetviz
使用：

1. pandas-profiling

github链接： https://github.com/pandas-profiling/pandas-profiling

• 报告内容：

  • 总概
    
    

  • 单变量分析
    

  • 交互分析
    

  • 相关性
    

  • 缺失值
    

  • 数据示例
    

• 调用代码如下：

  from pandas_profiling import ProfileReport
  from pandas_profiling import ProfileReport
  profile = ProfileReport(mpg, title=‘MPG Pandas Profiling Report’) #mpg为pandas的DataFrame对象
  profile.to_file(“report.html”) #保存报告

2. sweetviz

github链接： https://github.com/fbdesignpro/sweetviz

• sweetviz共有三种不同分析模式：

  • 1）analyze： 分析单个数据集,可以指定因变量，也就是监督模型最终的输出结果
  • 2）compare_intra： 分析比较一个数据集中的两部分
  • 3）compare：分析比较两个数据集，常用于分析训练集和测试集的差异

• 报告内容：
  黑色的表示因变量
  

  • 总概
    

  • 相关性
    

  • 单变量分析

    • 因变量的分析
      

    • 自变量的分析 （数值型）
      

    • 因变量的分析 （类别型）
      
      

    • 自变量的分析 （文本型）
      

  • 两个数据比较时的总概
    

  • 两个数据比较时的单变量分析
    与单数据集的类似，但是会根据颜色来区分不同数据集间的差别
    
    

• 代码调用方式如下：

>import sweetviz as sv
my_report = sv.analyze(mpg, target_feat='mpg')   #mpg为DataFrame
my_report = sv.compare_intra(mpg,mpg["origin"] == "usa",["USA","NOT - USA"],target_feat = 'mpg') 
my_report = sv.compare([mpg,'all'], [mpg[mpg.origin == "usa"],'usa'],  'mpg') 
my_report.show_html()    #show_html(  filepath='SWEETVIZ_REPORT.html',  open_browser=True,  layout='widescreen', scale=None)