我们使用Pandas进行数据分析时，首先要先对数据集进行探索性数据分析(Exploratory data analysis)，以便有一个大体的了解，明确后续数据处理、分析方向，数据EDA大致包含如下内容：

• 感知数据的直观表现
• 挖掘潜在的结构
• 提取重要的变量
• 处理异常值
• 检验统计假设
• 建立初步模型
• 决定最优因子的设置

通常，我们使用pandas.describe方法，对数据集可以有个大体的了解，如下：

执行上述代码，输出如下：

然后，再通过分析各数据字段之间的关系，如 使用折线图，散点图，柱状图，关联分析等等，进一步探索数据集。

不难发现，数据EDA操作，通常需要连续的N多操作，步骤还是比较繁琐的。

---

相见恨晚

直到最近在GitHub上闲逛时，看到了pandas-profiling项目，其使用df.profile_report 扩展了pandas DataFrame，实现了一行代码就可以生成一份超详细的数据分析报告，强无敌！包含以下内容：

• 概要：类型、惟一值、缺失值。
• 分位数统计：如最小值，Q1(较小四分位数)，Q2(中位数)，Q3(较大四分位数)。
• 描述性统计：均值、模式、标准差和中位数绝对偏差、变异系数、峰度、偏度。
• 最常值
• 柱状图
• 相关性：突出高度相关的变量，斯皮尔曼，皮尔逊和肯德尔矩阵。
• 缺失值：矩阵，计数，热图和树状图的缺失值。

---

安装

使用pip进行安装，十分简单。

安装过程如下：

---

实例

我们以泰坦尼克号数据集为例，体验一下 pandas_profiling 的强大。代码如下：

查看上述代码执行生成的Titanic_Eda.html，如下：

强无敌。Gif可能不太清楚，贴几张清晰的图，如下：

---