Explorez visuellement les données avec les outils Python


  • Français


  • Les outils open source ont contribué à faire progresser la technologie et à la rendre plus accessible à tous. L’analyse des données ne fait pas exception. À mesure que les données deviennent plus abondantes et complexes, scientifiques des données recherchent toujours des moyens de simplifier leur flux de travail et de créer des visualisations interactives et attrayantes. PyGWalker est conçu pour résoudre de tels problèmes.

    PyGWalker (liaison Python de Graphic Walker) connecte un environnement de travail de Python Jupyter Notebook à Marcheur graphique pour créer un outil de visualisation de données open source. Vous pouvez transformer votre dataframe Pandas en une visualisation de données magnifiquement conçue avec de simples opérations de glisser-déposer.

    (Bill Wang, CC BY-SA 4.0)

    Démarrer avec PyGWalker

    Utiliser pip pour installer PyGWalker :

    $ python3 -m pip install pygwalker

    Importer pygwalker et pandas pour l’utiliser dans un projet :

    import pandas as pd
    import pygwalker as pyg

    Chargez les données dans un datagramme Pandas et appelez PyGWalker :

    df = pd.read\_csv('./bike\_sharing\_dc.csv', parse\_dates=\['date'\])
    gwalker = pyg.walk(df)

    Vous disposez maintenant d’une interface utilisateur graphique pour explorer et visualiser votre dataframe Pandas !

    Explorer les données avec Graphic Walker

    L’une des principales fonctionnalités de Graphic Walker est la possibilité de modifier les types de repères pour créer différents types de graphiques. Par exemple, créez un graphique en courbes en modifiant le marquer tapez sur une ligne.

    (Bill Wang, CC BY-SA 4.0)

    Vous pouvez également comparer différentes mesures en créant un concat vue, qui ajoute plus d’une mesure dans des lignes et des colonnes.

    (Bill Wang, CC BY-SA 4.0)

    Placez les dimensions dans des lignes ou des colonnes pour créer un facette vue de plusieurs sous-vues divisée par la valeur d’une dimension.

    (Bill Wang, CC BY-SA 4.0)

    Dans le Données vous pouvez afficher le bloc de données dans une table et configurer les types analytiques et sémantiques.

    (Bill Wang, CC BY-SA 4.0)

    Exploration de données avec PyGWalker

    Vous pouvez transformer vos données Pandas en graphiques graphiques et hautement personnalisables avec PyGWalker. Vous pouvez également utiliser PyGWalker comme un outil puissant pour explorer les données afin de découvrir des modèles, des tendances et des informations sous-jacents.

    Les options d’exploration des données sont disponibles dans le Mode Exploration (dans la barre d’outils). Ils peuvent être réglés sur Mode ponctuel ou Mode pinceau.

    • Mode ponctuel: Explorez les données en pointant le curseur de votre souris sur un segment spécifique des données.
    • Mode pinceau: explorez les données en dessinant une zone de sélection autour d’une plage de données, puis faites-la glisser pour voir les informations générées.

    Essayez ceci pour voir vos données

    Vous pouvez essayer PyGWalker sur ces démos cloud : Colab Google, Classeurou Démo en ligne de Graphic Walker.

    PyGWalker est un excellent outil pour simplifier les workflows d’analyse et de visualisation des données, en particulier pour ceux qui souhaitent une interface visuelle pour Pandas. Avec PyGWalker et Graphic Walker, les scientifiques des données peuvent facilement créer des visualisations époustouflantes avec de simples opérations de glisser-déposer dans Jupyter Notebook. Consultez le référentiel PyGWalker Git pour le code source.

    Pour les scientifiques des données qui recherchent une solution open source pour l’exploration automatisée des données et l’analyse augmentée avancée, le projet travaille également sur RATH, un outil open source d’exploration et de visualisation de données auto-EDA et basé sur l’IA. Vous pouvez également consulter le Référentiel RATH Git pour le code source et une communauté active.

    Source

    Houssen Moshinaly

    Pour contacter personnellement le taulier :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

    Copy code