데이터 분석을 위한 panda-profiling

데이터 분석을 위해서는 통계적 지식과 프로그래밍 기술이 필요하다.
하지만 통계적 지식이 적고 프로그래밍 스킬이 낮다면 다른 사람이 만들어놓은 코드를 이용할 수 밖에 없다.
그동안 많은 library가 나왔지만 기능에 제한적이였다면 panda-profiling을 이런것들을 다 통합한 library라 하겠다.

대표적인 기능(원문 그대로 옮긴다)

• Type inference: detect thetypesof columns in a dataframe.
• Essentials: type, unique values, missing values
• Quantile statisticslike minimum value, Q1, median, Q3, maximum, range, interquartile range
• Descriptive statisticslike mean, mode, standard deviation, sum, median absolute deviation, coefficient of variation, kurtosis, skewness
• Most frequent values
• Histogram
• Correlationshighlighting of highly correlated variables, Spearman, Pearson and Kendall matrices
• Missing valuesmatrix, count, heatmap and dendrogram of missing values

설치

pip 이용시

pip install pandas-profileing[notebook, html]
or
pip install https://github.com/pandas-profiling/pandas-profiling/archive/master.zip

conda 이용시

conda install -c conda-forge pandas-profiling

사용법

import numpy as np  
import pandas as pd  
from pandas\_profiling import ProfileReport  

#Create DataFrame  
df = pd.DataFrame( np.random.rand(100, 5), columns=\['a', 'b', 'c', 'd', 'e'\] )  
#Profiling Report  
profile = ProfileReport(df, title='Pandas Profiling Report', style={'full\_width':True})

나머지 내용은 원문 참조.

 

---

원문 : https://github.com/pandas-profiling/pandas-profiling?fbclid=IwAR2zPP5VvdYNkPLqpfCBuUMxstkVO6rGkcjmkUP9WcXRcWu21sPAZiAzfJo

pandas-profiling/pandas-profiling