python dataprep庫簡化加速數(shù)據(jù)科學(xué)操作
python dataprep數(shù)據(jù)科學(xué)庫
今天給大家分享一個超酷的 python 庫，dataprep。
https://github.com/sfu-db/dataprept
Dataprep 是一個開源的 Python 庫，它的主要目標(biāo)是簡化和加快數(shù)據(jù)科學(xué)操作，特別關(guān)注簡化探索性數(shù)據(jù)分析（EDA） 階段。
通過利用 DataPrep 的強(qiáng)大功能，數(shù)據(jù)科學(xué)家可以顯著減少執(zhí)行 EDA 任務(wù)所花費的時間。
該庫包含三個主要的API供我們使用，它們是：
- 從常見數(shù)據(jù)源收集數(shù)據(jù)（dataprep.connector ）
- 進(jìn)行探索性數(shù)據(jù)分析（dataprep.eda）
- 清理和標(biāo)準(zhǔn)化數(shù)據(jù)（dataprep.clean）
DataPrep 包旨在實現(xiàn)快速數(shù)據(jù)探索，并與 Pandas 的 DataFrame 對象良好配合。
庫的安裝
我們將首先使用 pip 安裝 Dataprep 庫。下面給出的命令將執(zhí)行此操作。
pip install -U dataprep
數(shù)據(jù)準(zhǔn)備
DataPrep 使我們能夠使用一行代碼創(chuàng)建交互式配置文件報告。
該報告對象是一個與我們的 Notebook 分離的 HTML 對象，具有多種探索選擇。
讓我們使用示例數(shù)據(jù)嘗試該 API。
from dataprep.datasets import load_dataset
from dataprep.eda import create_report
df = load_dataset("titanic")
df.head()
我們將使用泰坦尼克號樣本數(shù)據(jù)集作為我們的數(shù)據(jù)。
加載數(shù)據(jù)后，我們將使用 create_report 函數(shù)來生成交互式報告。
create_report(df).show_browser()
正如我們在上面的 GIF 中看到的，API 創(chuàng)建了一個很好的交互式報告供我們探索。
讓我們嘗試一一剖析這些信息。
概述選項卡
從概述選項卡中，我們可以看到數(shù)據(jù)集中的所有概述信息。
我們可以獲得的信息包括缺失數(shù)據(jù)數(shù)量和百分比、重復(fù)數(shù)據(jù)、變量數(shù)據(jù)類型以及每個變量的詳細(xì)信息。
變量選項卡
變量選項卡為我們提供了數(shù)據(jù)集中每個變量的詳細(xì)信息。
幾乎你需要的所有信息都可用，例如，分位數(shù)和描述性統(tǒng)計、分布和正態(tài)性。
交互選項卡
交互選項卡將從兩個數(shù)值變量創(chuàng)建散點圖。
我們可以自己設(shè)置 X 軸和 Y 軸，這使我們能夠控制如何可視化它。
相關(guān)性選項卡
相關(guān)性選項卡為我們提供了數(shù)值之間的統(tǒng)計相關(guān)性。
目前，我們可以使用三種計算：Pearson、Spearman 和 KendallTau。
缺失值選項卡
缺失值選項卡為我們提供了有關(guān)選項卡中缺失值的所有詳細(xì)信息。
我們可以選擇條形圖、頻譜、熱圖和樹狀圖來充分探索缺失值信息。
數(shù)據(jù)清理
DataPrep Cleaning API 集合提供了 140 多個 API 來清理和驗證我們的 DataFrame。
讓我們通過泰坦尼克號數(shù)據(jù)集示例嘗試列標(biāo)題清理功能。
from dataprep.clean import clean_headers clean_headers(df, case = 'const').head()
使用 “ Const ” 大小寫，我們最終會得到所有大寫的列名稱。
如果你想要一個完整干凈的 DataFrame，我們可以使用 DataPrep 中的 clean_df API 。
該 API 將有兩個輸出—推斷的數(shù)據(jù)類型和清理后的 DataFrame。
from dataprep.clean import clean_df inferred_dtypes, cleaned_df = clean_df(df)
以上就是python dataprep庫簡化加速數(shù)據(jù)科學(xué)操作的詳細(xì)內(nèi)容，更多關(guān)于python dataprep數(shù)據(jù)科學(xué)庫的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
python之broadcast和numpy.sum()函數(shù)用法及說明
這篇文章主要介紹了python之broadcast和numpy.sum()函數(shù)用法及說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-06-06
Python實現(xiàn)樹狀圖性能優(yōu)化的實戰(zhàn)指南
在數(shù)據(jù)科學(xué)和商業(yè)智能領(lǐng)域,樹狀圖（Treemap）是一種強(qiáng)大的可視化工具,用于展示分層數(shù)據(jù)的分布與比例關(guān)系,下面我們就來看看如何使用Python實現(xiàn)樹狀圖可視化吧2026-01-01
使用EduBlock輕松學(xué)習(xí)Python編程
今天小編就為大家分享一篇關(guān)于使用EduBlock輕松學(xué)習(xí)Python編程的文章，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2018-10-10
這篇文章主要為大家介紹了Python Map 函數(shù)，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2021-12-12
這篇文章主要給大家介紹了關(guān)于python中字符串的編碼與解碼的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12
解決Python下json.loads()中文字符出錯的問題
今天小編就為大家分享一篇解決Python下json.loads()中文字符出錯的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
這篇文章主要介紹了Python?list列表查找元素詳情，Python?列表（list）提供了?index和count方法，它們都可以用來查找元素，文章圍繞主題的相關(guān)資料展開詳細(xì)的內(nèi)容介紹，具有一定的參考價價值，需要的朋友可以參考一下2022-06-06
Pycharm報錯Non-zero?exit?code?(2)的完美解決方案
最近在使用pycharm安裝或升級模塊時出現(xiàn)了錯誤,下面這篇文章主要給大家介紹了關(guān)于Pycharm報錯Non-zero?exit?code?(2)的完美解決方案,文中通過圖文介紹的非常詳細(xì),需要的朋友可以參考下2022-06-06
這篇文章主要介紹了Python變量類型,需要的朋友可以參考下2014-06-06
這篇文章主要介紹了Python中的tuple元組詳細(xì)介紹,本文講解了Tuple 與 list 的相同之處、Tuple 不存在的方法、用 Tuple 的好處、Tuple 與 list 的轉(zhuǎn)換等內(nèi)容,需要的朋友可以參考下2015-02-02