10 个 Python 自动化探索性数据分析库推荐

安装：

pip install autoviz

示例代码：

import pandas as pd
from autoviz.AutoViz_Class import AutoViz_Class

autoviz = AutoViz_Class().AutoViz('train.csv')

AutoViz 能够自动检测数据类型并选择合适的图表，支持处理大规模数据，适合需要快速生成可视化报告的场景。

5. Dataprep

Dataprep 是一个用于分析、准备和处理数据的开源 Python 包。DataPrep 构建在 Pandas 和 Dask DataFrame 之上，可以很容易地与其他 Python 库集成。

Dataprep 的运行速度在这 10 个包中较快，它在几秒钟内就可以为 Pandas/Dask DataFrame 生成报告。

安装：

pip install dataprep

示例代码：

from dataprep.datasets import load_dataset
from dataprep.eda import create_report

df = load_dataset("titanic.csv")
create_report(df).show_browser()

该库不仅提供 EDA 报告，还支持数据清洗建议，适合在数据预处理阶段使用。

6. Klib

Klib 是一个用于导入、清理、分析和预处理数据的 Python 库。

安装：

pip install klib

示例代码：

import klib
import pandas as pd

df = pd.read_csv('DATASET.csv')
klib.missingval_plot(df)
klib.corr_plot(df_cleaned, annot=False)
klib.dist_plot(df_cleaned['Win_Prob'])
klib.cat_plot(df, figsize=(50,15))

Klib 虽然提供了很多的分析函数，但对于每一个分析需要我们手动编写代码，所以只能说是半自动化的操作。但是如果我们需要更定制化的分析，它是非常方便的，适合对绘图细节有要求的开发者。

7. Dabl

Dabl 不太关注单个列的统计度量，而是更多地关注通过可视化提供快速概述，以及方便的机器学习预处理和模型搜索。

安装：

pip install dabl

示例代码：

import pandas as pd
import dabl

df = pd.read_csv("titanic.csv")
dabl.plot(df, target_col="Survived")

dabl 中的 Plot() 函数可以通过绘制各种图来实现可视化，包括目标分布图、散点图、线性判别分析等。它特别适合快速评估机器学习任务的可行性。

8. SpeedML

SpeedML 是用于快速启动机器学习管道的 Python 包。SpeedML 整合了一些常用的 ML 包，包括 Pandas、Numpy、Sklearn、Xgboost 和 Matplotlib，所以说其实 SpeedML 不仅仅包含自动化 EDA 的功能。

SpeedML 官方说，使用它可以基于迭代进行开发，将编码时间缩短了 70％。

安装：

pip install speedml

示例代码：

from speedml import Speedml

sml = Speedml('../input/train.csv', '../input/test.csv',
            target = 'Survived', uid = 'PassengerId')
sml.train.head()
sml.plot.correlate()
sml.plot.distribute()
sml.plot.ordinal('Parch')
sml.plot.continuous('Age')

该库专注于简化机器学习流程，从数据加载到建模的一站式解决方案。

9. DataTile

DataTile（以前称为 Pandas-Summary）是一个开源的 Python 软件包，负责管理、汇总和可视化数据。DataTile 基本上是 Pandas DataFrame describe() 函数的扩展。

安装：

pip install datatile

示例代码：

import pandas as pd
from datatile.summary.df import DataFrameSummary

df = pd.read_csv('titanic.csv')
dfs = DataFrameSummary(df)
dfs.summary()

它提供了比原生 Pandas 更丰富的统计信息摘要，适合快速查看数值型变量的分布情况。

10. Edaviz

Edaviz 是一个可以在 Jupyter Notebook 和 Jupyter Lab 中进行数据探索和可视化的 Python 库。它原本设计用于交互式数据探索，但后来被整合到其他生态系统中。这里提供一个简单的演示思路。

安装：

pip install edaviz

虽然部分功能可能已迁移或更新，但其核心思想在于降低数据探索的门槛，适合初学者理解数据关系。

总结

在本文中，我们介绍了 10 个自动探索性数据分析 Python 软件包，这些软件包可以在几行 Python 代码中生成数据摘要并进行可视化。通过自动化的工作可以节省很多时间。

选择建议：

• 如果需要快速生成 HTML 报告，推荐使用 Sweetviz 或 Pandas-Profiling。
• 如果需要进行交互式探索，D-Tale 是不错的选择。
• 如果侧重于机器学习管道搭建，SpeedML 或 Dabl 更为合适。
• 如果需要定制化绘图，Klib 提供了更多底层控制。

根据具体需求选择合适的工具，可以显著提升数据分析效率。