1介绍

在数据分析和可视化的领域，Tableau凭借其强大的功能和直观的界面，一直以来都是专业人士的首选工具。然而，对于许多用户而言，Tableau的封闭性和高昂的成本使其难以触及。就在此刻，PyGWalker应运而生，为Python社区带来了Tableau式的交互式数据可视化体验，且无需额外的授权费用。

PyGWalker不仅继承了Tableau直观的拖拽式操作，更融合了Python编程的灵活性，提供了广泛的数据连接能力和高度可定制的图表类型。用户现在可以在熟悉的Python环境中，利用PyGWalker进行高效的数据探索和分析，无需切换到其他工具，也无需编写冗长的代码。

2 安装

使用pip或conda安装pygwalker

pip install pygwalker

使用 pip install pygwalker --upgrade 更新最新版PyGWalker

使用 pip install pygwaler --upgrade --pre 来尝鲜最新版，获得最新bug修复

conda install -c conda-forge pygwalker

3 使用

所使用的数据集：超市数据集

（1）导入所需要的库：

import pandas as pd
import pygwalker as pyg

（2）利用pandas将数据集读入内存：

import pandas as pd
data = pd.read_excel('数据分析示例超市数据集.xls')
data.head()

（3）启动 pygwalker

walker = pyg.walk(data,spec="./chart_meta_0.json",    # 这个JSON文件将保存您的图表状态，当您完成一个图表时，需要在UI界面上手动点击保存按钮。在未来，将支持“自动保存”。use_kernel_calc=True,          # 如果设置`use_kernel_calc=True` ，pygwalker 将使用duckdb作为计算引擎，它支持您探索更大的数据集（<=100GB）。
)

接下来用拖拽式的方式构建你的可视化，熟悉tableau的朋友应该非常清楚~

（4）查看超市商品类别与销售额的关系

（5）查看子类别与销售额和利润的关系

4 将数据可视化导出为代码

单击工具栏上的Export to Code 按钮。 该按钮位于“导出为 PNG/SVG”按钮旁边。

5 总结

官方文档： https://github.com/Kanaries/pygwalker/blob/main/docs/README.zh.md

通过本章的介绍和实际操作，您已经初步了解了PyGWalker的强大功能和便捷性。现在，您可以在Python环境中轻松地进行数据探索和可视化，无需切换到其他软件或学习复杂的编程知识。无论您是Python新手还是有经验的开发者，PyGWalker都将为您提供一个简单、直观的数据可视化平台。

让我们共同期待，PyGWalker在未来的发展中，为数据分析和可视化领域带来更多的创新和突破。同时，我们也将继续努力，为用户提供更优质的产品和服务。感谢您的阅读和支持，祝您在数据可视化的道路上越走越远，创造出更多的精彩作品！