说明
使用python进行数据分析时,有很多工作使用的代码具有重复性和固定性的特点,比如:数据清洗、模板式数据可视化。尤其是在数据探索阶段,使用具有图形化界面(GUI)的数据分析工具可以事半功倍,似乎此类工具也被称为autoEDA: Automated exploratory data analysis
使用这些工具,有一种在python中使用BI工具的感觉,
- 一方面,具有代码的灵活性
- 另一方面,具有BI工具的方便性
如,下面视频是Mito
的演示
下图是Tabloo的演示
名称 网址
D-tale https://github.com/man-group/dtale
Pandas Profiling https://github.com/ydataai/pandas-profiling
AutoViz https://github.com/AutoViML/AutoViz
Dataprep https://dataprep.ai/
SweetViz https://github.com/fbdesignpro/sweetviz
Bamboolib https://bamboolib.8080labs.com/
PandasGUI https://github.com/adamerose/PandasGUI
tabloo https://github.com/bluenote10/tabloo
qgrid https://github.com/quantopian/qgrid
Mito https://www.trymito.io/
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。