撰稿Python与统计数字分析，源自 4 款统计数字分析辅助工具
，著眼 Python、统计数字分析、统计数字分析、有趣辅助工具！他们做统计数字分析，在第二次领到统计数字集的这时候，通常会用语言学或建模方法来如是说原始统计数字。
如是说科舞、个字符、值域原产、缺位值、列间的有关亲密关系之类，那个操作过程叫作 EDA（Exploratory Data Analysis，开拓性统计数字分析）。
现阶段早已有许多EDA辅助工具能手动产出此基础的统计统计数字和图象，可为他们节约大批天数。
【注】热烈欢迎variations重新加入经验交流群
正式宣布如是说那些辅助工具以后，先来读取统计数字集
iris是上面加进的统计数字集，是两个150行 * 4列的 DataFrame。
1. PandasGUI
PandasGUI提供统计数字预览、筛选、统计、多种图象展示以及统计数字转换。
PandasGUI操作界面
PandasGUI更侧重统计数字展示，提供了10多种图象，通过可视的方式配置。
但统计数字统计做的比较单纯，没有提供缺位值、有亲密关系数等指标，统计数字转换部分也只开放了一小部分接口。
2. Pandas Profiling
Pandas Profiling 提供了整体统计数字概况、每列的详情、列间的关图、列间的有亲密关系数。
Pandas Profiling操作界面
每列的详情包括：缺位值统计、去重计数、最值、平均值等统计指标和值域原产的柱状图。
列间的有亲密关系数支持Spearman、Pearson、Kendall 和 Phik 4 种有亲密关系数算法。
与 PandasGUI 相反，Pandas Profiling没有丰富的图象，但提供了非常多的统计指标以及有亲密关系数。
3. Sweetviz
Sweetviz与Pandas Profiling类似，提供了每列详细的统计指标、值域原产、缺位值统计以及列间的有亲密关系数。
Sweetviz操作界面
Sweetviz还有有两个非常好的特性是支持不同统计数字集的对比，如：训练统计数字集和测试统计数字集的对比。
Sweetviz统计数字集对比
蓝色和橙色代表不同的统计数字集，通过对比能清晰发现统计数字集以后的差异。
4. dtale
最后重磅如是说dtale，它不仅提供丰富图象展示统计数字，还提供了许多交互式的接口，对统计数字进行操作、转换。
dtale操作界面
dtale的功能主要分为三部分：统计数字操作、统计数字建模、高亮显示。
4.1 统计数字操作（Actions）
dtale将pandas的函数包装成建模接口，能让他们通过图形界面方式来操作统计数字。
Actions
右半部分图是左边图的中文翻译，用的是 Chrome 手动翻译，有些不是很准确。
举两个统计数字操作的例子。
Summarize Data
上图是Actions菜单中Summarize Data的功能，它提供了对统计数字集汇总操作的接口。
上图他们选择按照species列分组，计算sepal_width列的平均值，同时能看到左下角dtale早已手动为该操作生成了pandas代码。
4.2 统计数字建模（Visualize）
提供比较丰富的图象，对每列统计数字概况、重复行、缺位值、有亲密关系数进行统计和展示。
Visualize
举两个统计数字建模的例子。
Describe
上图是Visualize菜单中Describe的功能，它能统计每列的最值、均值、标准差等指标，并提供图象展示。
右侧的Code Export能查看生成那些统计数字的代码。
4.3 高亮显示（Highlight）
对缺位值、异常值做高亮显示，方便他们快速定位到异常的统计数字。
Highlight
上图显示了将sepal_width字段的异常值。
dtale非常强大，功能也非常多，大家能多多探索、挖掘。
最后，单纯总结一下。如果探索的统计数字集侧重统计数字展示，能选PandasGUI；如果只是单纯如是说基本统计指标，能选择Pandas Profiling和Sweetviz；如果需要做深度的统计数字探索，那就选择dtale。
总结
本文如是说了在python中使用tabulate库来创建表格，并针对输出形式进行不断改进来美化输出效果，并给出了代码示例。
经验交流群
建了经验交流群
Python与统计数字分析 知乎账号和 Pyth
文章推荐
Auto-Sklearn：使用 AutoML 加速你的机器学习模型
深度盘点：30个用于深度学习、自然语言处理和计算机视觉的顶级 Python 库
机器学习模型验证，这3个 Python 包可轻松解决95%的需求！
值得收藏！这是 Python 数据预处理最频繁使用的5个技巧！
一文从0到1掌握用户画像知识体系
深度盘点：8000字详细如是说 Python 中的 7 种交叉验证方式
效率倍增！5 个提高生产力的 Jupyter notebook插件！
