利用Python自制網(wǎng)頁(yè)并實(shí)現(xiàn)一鍵自動(dòng)生成探索性數(shù)據(jù)分析報(bào)告

更新時(shí)間：2022年05月19日 16:31:45 作者：欣一2002

這篇文章主要介紹了利用Python自制了網(wǎng)頁(yè)并實(shí)現(xiàn)一鍵自動(dòng)生成探索性數(shù)據(jù)分析報(bào)告，文章內(nèi)容具有一定的參考價(jià)值，需要的小伙伴可以參考一下

前言

今天小編帶領(lǐng)大家用Python自制一個(gè)自動(dòng)生成探索性數(shù)據(jù)分析報(bào)告這樣的一個(gè)工具，大家只需要在瀏覽器中輸入url便可以輕松的訪問(wèn)，如下所示：

第一步

首先我們導(dǎo)入所要用到的模塊，設(shè)置網(wǎng)頁(yè)的標(biāo)題、工具欄以及l(fā)ogo的導(dǎo)入，代碼如下：

from st_aggrid import AgGrid
import streamlit as st
import pandas as pd
import pandas_profiling
from streamlit_pandas_profiling import st_profile_report
from pandas_profiling import ProfileReport
from ?PIL import Image

st.set_page_config(layout='wide') #Choose wide mode as the default setting

#Add a logo (optional) in the sidebar
logo = Image.open(r'wechat_logo.jpg')
st.sidebar.image(logo, ?width=120)

#Add the expander to provide some information about the app
with st.sidebar.expander("關(guān)于這個(gè)項(xiàng)目"):
? ? ?st.write("""
? ? ? ? 該項(xiàng)目是將streamlit和pandas_profiling相結(jié)合，在您上傳數(shù)據(jù)集之后自動(dòng)生成相關(guān)的數(shù)據(jù)分析報(bào)告，當(dāng)然該項(xiàng)目提供了兩種模式 全量分析還是部分少量分析，這里推薦用部分少量分析，因?yàn)橛?jì)算量更少，所需要的時(shí)間更短，效率更高
? ? ?""")

#Add an app title. Use css to style the title
st.markdown(""" <style> .font {
? ? font-size:30px ; font-family: 'Cooper Black'; color: #FF9633;}
? ? </style> """, unsafe_allow_html=True)
st.markdown('<p class="font">請(qǐng)上傳您的數(shù)據(jù)集，該應(yīng)用會(huì)自動(dòng)生成相關(guān)的數(shù)據(jù)分析報(bào)告</p>', unsafe_allow_html=True)

output：

上傳文件以及變量的篩選

緊接的是我們需要上傳csv文件，代碼如下：

uploaded_file = st.file_uploader("請(qǐng)上傳您的csv文件: ", type=['csv'])

我們可以選擇針對(duì)數(shù)據(jù)集當(dāng)中所有的特征進(jìn)行一個(gè)統(tǒng)計(jì)分析，或者只是針對(duì)部分的變量來(lái)一個(gè)數(shù)據(jù)分析，

代碼如下：

if uploaded_file is not None:
? ? ?df = pd.read_csv(uploaded_file)
? ? ?option1 = st.sidebar.radio(
? ? ? ? ? '您希望您的數(shù)據(jù)分析報(bào)告中包含哪些變量呢',
? ? ? ? ? ('所有變量', '部分變量'))
?
? ? ?if option1 == '所有變量':
? ? ? ? ? df = df
? ? ?elif option1 == '部分變量':
? ? ? ? ? var_list = list(df.columns)

要是用戶勾選的是部分變量，只是針對(duì)部分變量來(lái)進(jìn)行一個(gè)分析的話，就會(huì)彈出來(lái)一個(gè)多選框來(lái)供用戶選擇，

代碼如下：

var_list = list(df.columns)
option3 = st.sidebar.multiselect(
? ? ?'篩選出您希望在數(shù)據(jù)分析報(bào)告中包含的變量',
? ? ?var_list)
df = df[option3]

用戶可以挑選到底是“簡(jiǎn)單分析”或者是“完整分析”，要是勾選的是“完整分析”的話，會(huì)跳出相應(yīng)的提示，提示“完整分析”由于涉及到更加復(fù)雜的計(jì)算操作，耗時(shí)更加地長(zhǎng)，要是遇到大型的數(shù)據(jù)集，還會(huì)有計(jì)算失敗的情況出現(xiàn)

option2 = st.sidebar.selectbox(
? ? ? '篩選模式，完整分析還是簡(jiǎn)單分析',
? ? ? ('簡(jiǎn)單分析', '完整分析'))

?if option2 == '完整分析':
? ? ? mode = 'complete'
? ? ? st.sidebar.warning(
? ? ? ? ? ?'完整分析由于涉及到更加復(fù)雜的計(jì)算操作，耗時(shí)更加地長(zhǎng)，要是遇到大型的數(shù)據(jù)集，還會(huì)有計(jì)算失敗的情況出現(xiàn)，這里推薦使用簡(jiǎn)單分析')
?elif option2 == '簡(jiǎn)單分析':
? ? ? mode = 'minimal'
? ? ? grid_response = AgGrid(
? ? ? ? ? ?df,
? ? ? ? ? ?editable=True,
? ? ? ? ? ?height=300,
? ? ? ? ? ?width='100%',
? ? ? )

? ? ? updated = grid_response['data']
? ? ? df1 = pd.DataFrame(updated)

當(dāng)用戶點(diǎn)擊“生成報(bào)告”的時(shí)候就會(huì)自動(dòng)生成一份完整的數(shù)據(jù)分析報(bào)告了，代碼如下：

if st.button('生成報(bào)告'):
? ? ? ? if mode=='complete':
? ? ? ? ? ? profile=ProfileReport(df,
? ? ? ? ? ? ? ? title="User uploaded table",
? ? ? ? ? ? ? ? progress_bar=True,
? ? ? ? ? ? ? ? dataset={

? ? ? ? ? ? ? ? })
? ? ? ? ? ? st_profile_report(profile)
? ? ? ? elif mode=='minimal':
? ? ? ? ? ? profile=ProfileReport(df1,
? ? ? ? ? ? ? ? minimal=True,
? ? ? ? ? ? ? ? title="User uploaded table",
? ? ? ? ? ? ? ? progress_bar=True,
? ? ? ? ? ? ? ? dataset={
? ? ? ? ? ? ? ? ? ?
? ? ? ? ? ? ? ? })
? ? ? ? ? ? st_profile_report(profile)

最后出來(lái)的結(jié)果如下：

到此這篇關(guān)于利用Python自制了網(wǎng)頁(yè)并實(shí)現(xiàn)一鍵自動(dòng)生成探索性數(shù)據(jù)分析報(bào)告的文章就介紹到這了,更多相關(guān) Python自制網(wǎng)頁(yè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: