物业管理系统和物业管理软件,seo网站优化推广,网站开发学什么数据库,免费开源企业网站程序SweetViz是一个开放源代码Python库#xff0c;主要用于生成精美的高密度可视化文件#xff0c;启动探索性数据分析#xff08;EDA#xff09;#xff0c;输出为完全独立的HTML应用程序。
探索性数据分析#xff08;EDA#xff09;是分析和总结数据集主要特征的过程主要用于生成精美的高密度可视化文件启动探索性数据分析EDA输出为完全独立的HTML应用程序。
探索性数据分析EDA是分析和总结数据集主要特征的过程通常旨在了解数据中的潜在模式关系和趋势。
SweetViz库的特点
主要包括以下几个方面
快速生成可视化图表通过仅两行代码或更少SweetViz可以快速生成美观且高密度的可视化图表便于进行探索性数据分析EDA。目标值分析帮助用户分析目标特征例如如何将目标值布尔值或数字值与其他特征关联起来。可视化和比较数据集支持对不同的数据集例如训练与测试数据进行可视化及比较分析也可以对同个数据集的不同类别进行比较。混合型关联分析无缝集成了数字皮尔森相关性、分类不确定性系数和分类数字相关性数据类型的关联以提供所有数据类型的最大信息。独立HTML应用程序SweetViz的输出是一个完全独立的HTML应用程序用户可以轻松地分享和查看生成的图表和报告。
总的来说SweetViz库旨在为用户提供一种快速、简便的方法来进行数据分析和可视化帮助用户更好地理解数据和特征之间的关系。
安装
首先我们将使用下面给出的pip install命令安装SweetViz库
pip install sweetviz导入必要的库
# import the required libraries
import pandas as pd
import sweetviz as sv
from sklearn.model_selection import train_test_splitprint(SweetViz Version : {}.format(sv.__version__))输出
SweetViz Version : 2.3.1加载数据集
df pd.read_csv(california_housing.csv)
df.info()输出
class pandas.core.frame.DataFrame
RangeIndex: 3000 entries, 0 to 2999
Data columns (total 9 columns):# Column Non-Null Count Dtype
--- ------ -------------- ----- 0 longitude 3000 non-null float641 latitude 3000 non-null float642 housing_median_age 3000 non-null float643 total_rooms 3000 non-null float644 total_bedrooms 3000 non-null float645 population 3000 non-null float646 households 3000 non-null float647 median_income 3000 non-null float648 median_house_value 3000 non-null float64
dtypes: float64(9)
memory usage: 211.1 KB生成分析报告
为了生成报告我们有3个函数
analyze() 用于单个数据集compare() 用于比较2个数据集例如Test与Traincompare_intra() 用于比较一个数据集中某个选项的数据集的不同
这里我们有一个单一的数据集所以在这个时候我们将使用analyze()函数;
report sv.analyze([df, Train], target_featmedian_house_value)一旦我们创建了我们的报告对象然后简单地将其传递给两个’show’函数之一 show_html或show_ notebook show_html函数将在给定的文件路径下创建并保存一个HTML报告HTML页面 show_notebook函数将报表嵌入到Notebook中。
# show the report in a form of an HTML file
report.show_html(Report.html)比较训练和测试数据集
# Split the dataset
train_df, test_df train_test_split(df, train_size0.75)
# compare the dataset
compare sv.compare(sourcetrain_df, comparetest_df, target_featmedian_house_value)# Show the result
compare.show_html(Compare.html)将鼠标悬停在报告左侧导航栏中的“Associations”按钮上将在报告左侧显示关联图。关联图显示数据集中所有特征对之间的成对关系每个点表示两个特征的唯一组合。点的大小和颜色表示两个特征之间关联的强度和方向较大和较暗的点表示较强的正关联较小和较亮的点表示较弱或负关联。 比较一个数据集中两个不同子群
# import the necessary libraries
import sweetviz as sv
from sklearn.datasets import load_breast_cancer# Load the dataset
cancer load_breast_cancer(as_frameTrue)
# dataframe
df cancer.frame# Define the FeatureConfig object to force
# the target feature to be numerical
my_feature_config sv.FeatureConfig(force_num[target])# Create a boolean array to use as the grouping condition
condition_series df[target] 0# Analyze the dataset with the specified FeatureConfig object
# and grouping condition
my_report sv.compare_intra(df, condition_series, [malignant, benign], feat_cfgmy_feature_config, target_feattarget)# Generate and display the report
my_report.show_html()
