使用PandasGUI进行探索性数据分析

Pandasgui是一个开源的python模块，它为pandas创建了一个GUI界面，我们可以在其中使用pandas的功能分析数据和使用不同的功能，以便可视化和分析数据，并执行探索性数据分析。

探索性数据分析是最关键的部分，无论何时我们使用数据集时都要首先进行分析。它允许我们分析数据，探索数据的初始结果，比如有多少行和列，不同的列是什么，等等。EDA是一种方法，我们使用不同的方法，主要是可视化来总结数据的主要特征。

如果您正在处理数据，EDA是一个重要且最关键的步骤。在整个项目中，几乎有30%的时间是用来探索数据并找出它到底是关于什么的。EDA允许我们并告诉我们如何在建模之前对数据进行预处理。这就是为什么EDA是最重要的，但是我们可以通过自动化所有的EDA工作来节省时间，并且可以在建模中使用节省的时间。

在本文中，我们将探索Pandasgui，并了解如何使用它来自动化探索性数据分析过程，并节省我们的时间和精力。

安装Pandasgui

和其他库一样，我们可以使用pip安装pandasgui。

pip install pandasgui

加载数据集

pandasgui中预定义了大量的数据集，我们将使用pandasgui加载一个名为“IRIS”的数据集，这是一个非常著名的数据集，并将使用pandasgui的GUI界面来探索它。我们还将导入“show”函数，该函数将数据集加载到GUI中。

from pandasgui.datasets import iris

#importing the show function

from pandasgui import show

功能介绍

现在我们只需要通过传递数据集名称作为参数来调用show函数，它将启动一个GUI，在这里我们可以探索它的不同部分，并尝试探索数据集的不同属性。

show(iris)

在这里，您可以看到show函数启动GUI，我们可以清楚地看到包含不同功能的不同选项卡。

让我们分析一下这个接口的不同部分。

Dataframe

我们可以清楚地分析哪些是不同的属性以及它们包含哪些值。我们可以清楚地分析所有的值和属性。在左边，我们还可以看到dataframe的形状。

Filters

在本节中，我们可以应用不同的过滤器来分析数据。我们可以简单地输入想要运行的查询并应用过滤器。

Statistics

类似于pandas dataframe的describe功能。它帮助我们分析数据集的统计属性。

Grapher

这是最重要的部分，在这里我们可以清楚地看到不同类型的可视化，我们可以使用界面创建，并节省了为每个可视化编写代码的工作。在上面的图片中，我创建了sepal_length和sepal_width的散点图。类似地，您可以通过拖放x、y和其他参数中的列名来创建不同的可视化。

Reshaper

我们可以通过应用不同的函数和改变数据集的形状来分析数据集。提供的两种形状格式是“pivot”和“melt”。我们可以在不同的函数中拖放列，并相应地分析数据集的不同形状。

总结

这是PandasGUI提供的5个部分，通过这些部分，我们可以分析pandas数据并对任何给定数据集执行EDA。PandasGUI是一个有用的工具，因为它减少了一遍又一遍编写代码的工作量，也节省了时间。

作者：Himanshu Sharma

deephub翻译组