安徽服饰网站建设简要说明网站制作的基本步骤

今天给大家介绍一个十分好用的Python模块，用来给数据集做一个初步的探索性数据分析(EDA)，有着类似Tableau的可视化界面，我们通过对于字段的拖拽就可以实现想要的可视化图表，使用起来十分的简单且容易上手，学习成本低，并且不需要我们写一大推冗长的代码。

PyGWalker

接下来就给大家来介绍一下这款名叫PyGWalker的Python模块，在使用之前，我们先通过pip命令来将其下载安装，代码如下

pip install pygwalker
## 或者是
conda install pygwalker

我们将其与pandas模块相结合，毕竟我们这里还是需要它来读取CSV数据集的，这是一份共享单车的用户使用数据，代码如下

import pandas as pd
import pygwalker as pyg

模块导入完成之后便是对数据集的读取了，代码如下

df = pd.read_csv(r"bike_sharing_dc.csv", parse_dates=['date'])
df.head()

output

接下去便是PyGWalker该登场的时候了，代码如下

pyg.walk(df)

output

我们随后变回看到如上图所示的界面，是不是和Tableau的界面很像呢，同样在左边的一栏中，我们可以看到数据集中各个字段，被分成了离散型变量(categorical data)和数值型变量(numeric data)

绘制可视化图表

接下来我们尝试来绘制可视化图表，拖拽当中的字段放置到X轴或者Y轴当中，就会有可视化图表显示出来
那么我们可以尝试绘制不同形态的图标，例如我们想要绘制折线图，例如我们在横轴放置的是“hour”这个离散型变量，"registered"字段也就是注册量作为纵轴，来查看不同时间段之下单车的使用量情况，同时在“Color”这一栏中放置的是“season”变量，代表的是不同的季节当中，不同时间段的单车App的注册量情况
我们将图表的形态变成区域图，
同时我们还可以来更改图表的大小，操作起来也十分的方便

过滤数据

这里我们还可以来过滤数据，主要是在filter这一栏来进行操作，要是将离散型变量拖拽过去的话，可以指定筛选的条件是哪些，例如只查看“春天”和“夏天”这两者的数据，然后图表依据筛选出来的条件来呈现最终的样子
那么要是将数值型变量拖拽过去的话，会出来一个横向的数轴并且设定横轴的上下限，那么最终的图表也会根据筛选出来的条件来呈现最终的样子

查看原始数据

最后要是我们想要查看原始数据，PyGWalker模块也提供了非常方便的途径，点击当中的“Data”选项