Sweetviz 是一个开源的Python库，它能够生成美观、高密度的可视化图表，以此来启动探索性数据分析（EDA）。通过仅需两行代码，就可以输出一个完全自包含的HTML应用程序。Sweetviz 的目标是快速可视化目标值和比较数据集，帮助用户快速分析目标特征、训练数据与测试数据之间的差异，以及其他数据特征任务。

本文介绍使用sweetviz如何快速生成数据报告。

安装画图库

pip install sweetviz

导入数据

我这里用的网上标准泰坦尼克的训练数据和测试数据。数据下载地址：https://drive.google.com/file/d/11MgXvwics58UwiMjUSWJDAjn6hiflC-W/view

import sweetviz
import pandas as pd
train = pd.read_csv("train.csv")
test = pd.read_csv("test.csv")

生成报告

我们现在有2个数据帧（训练和测试），我们想分析目标值“Survived”。我们可以用以下代码生成一个报告：

my_report = sweetviz.compare([train, "Train"], [test, "Test"], "Survived")

运行此命令将执行分析并创建报表对象。要获取输出，只需使用以下命令：show_html()

my_report.show_html("Report.html") # Not providing a filename will default to SWEETVIZ_REPORT.html

报告解读

报告摘要

摘要并排显示了两个数据帧的特征。我们可以立即确定测试集的大小大约是训练集的一半，但它包含相同的特征。底部的图例向我们表明，训练集确实包含“Survived”目标变量，但测试集不包含。

请注意，Sweetviz 将在确定每列的数据类型时进行最佳猜测，介于数字、类别/布尔值和文本之间。这些可以被覆盖，下面会详细介绍。

数据关联关系

以上图表表示数据之间的关联性，具体关联性如何查看，可详细阅读后续的官方文档链接，这里只做简要的介绍。

重要说明：分类-分类关联（由不确定性系数提供）是不对称的，这意味着每行表示行标题（左侧）提供每列信息的程度。例如，“Pclass”和“Fare”是提供有关“Survived”最多信息的元素。对于泰坦尼克号数据集，这些信息是相当对称的，但并不是每次都这样。

最后，这些关联/关联方法只是它们对数据和关系的基本分布做出初步假设。

目标变量

目前只能将数值和布尔要素作为目标。指定目标变量后，它将首先显示在一个特殊的黑框中。

从这个总结中我们可以得出结论，“Survived”在训练集中没有缺失数据（891,100%），有 2 个不同的可能值（占所有值的不到 1%），从图中可以估计出大约 60% 没有存活。

详细区域（分类/布尔值）

当您将鼠标悬停在任何变量上时，右侧的区域将显示详细信息。详细信息的内容取决于要分析的变量的类型。对于分类（或布尔值）变量，与目标变量一样，分析如下：

在这里，我们可以看到每个班级的确切统计数据，其中 62% 没有幸存下来，38% 幸存下来。您还可以获得其他每个功能的关联的详细信息。

数值数据

数值数据显示有关其摘要的更多信息。在这里，我们可以看到，在这种情况下，大约有 20% 的数据丢失。目标值（在本例中为“Survived”）绘制为一条直线，位于分布图的正上方。这样可以即时分析目标分布相对于其他变量。

详细数值数据

与分类数据类型一样，数值数据类型在其详细信息区域中显示一些额外的信息。值得注意的是图表顶部的按钮。这些按钮会更改图表中显示的“条柱”数量。可以选择以下选项：自动/5/15/30。

文本数据

目前，系统不认为是数字或分类的任何内容都将被视为“文本”。文本要素目前仅将计数（百分比）显示为统计数据。

其他

官方网站还有其他的更详细的显示界面说明，如果想了解更多的信息的朋友可参考以下链接。

https://towardsdatascience.com/powerful-eda-exploratory-data-analysis-in-just-two-lines-of-code-using-sweetviz-6c943d32f34

https://github.com/fbdesignpro/sweetviz?tab=readme-ov-file