PyGWalker，一个用可视化的方式操作 pandas 数据集的库

PyGWalker可以简化Jupyter笔记本的数据分析和数据可视化工作流程，方法是将panda数据帧转换为Tableau风格的用户界面进行可视化探索。

PyGWalker（发音像“Pig Walker”，只是为了好玩）被命名为“Graphic Walker的Python绑定”的缩写。它集成了Jupyter笔记本（或其他基于Jupyter的笔记本）和Graphic Walker，后者是Tableau的另一种开源替代品。它允许数据科学家通过简单的拖放操作分析数据并可视化模式。

安装

在使用pygwalker之前，请确保使用pip通过命令行安装软件包。

pip install pygwalker

对于早期试用，您可以使用pip-install-pygwalker进行安装–升级以使您的版本与最新版本保持最新，甚至是pip-install-git+https://github.com/Kanaries/pygwalker@main获取最新功能和bug修复。

在Jupyter笔记本中使用pygwalker

将pygwalker和pandas导入您的Jupyter笔记本以开始。

import pandas as pd
import pygwalker as pyg

您可以在不破坏现有工作流的情况下使用pygwalker。例如，您可以通过以下方式调用加载数据帧的Graphic Walker：

df = pd.read_csv('./bike_sharing_dc.csv', parse_dates=['date'])
gwalker = pyg.walk(df)

就是这样。现在您有了一个类似Tableau的用户界面，可以通过拖放变量来分析和可视化数据。

你可以用Graphic Walker做一些很酷的事情：

• 您可以将标记类型更改为其他类型以制作不同的图表，例如，折线图：

• 要比较不同的度量值，可以通过将多个度量值添加到行/列中来创建凹面视图。

• 若要创建由维度中的值划分的多个子视图的分面视图，请将维度放入行或列中以创建分面视图。规则类似于Tableau。

• 您可以查看表中的数据框架，并配置分析类型和语义类型。