PyGWalker: 一行代码将数据集转化为交互式可视化分析工具

✨PygWalker介绍

PyGWalker是个在Jupyter Notebook环境中运行的可视化探索式分析工具，仅一条命令即可生成一个可交互的图形界面，以类似Tableau/PowerBI的方式，通过拖拽字段进行数据分析。

PyGWalker的目标是通过一行代码，将数据集转化为一个可视化分析工具，只需拖拉拽即可生成图表，从而减少数据分析师在数据可视化上的时间成本。

为什么叫PyGWalker？PyGWalker，全称为"Python binding of Graphic Walker"，将Jupyter Notebook(或类Jupyter Notebook)和Graphic Walker集成。Graphic Walker是一个轻量级的Tableau/Power BI开源替代品，可以帮助数据分析师使用简单的拖拉拽操作，进行数据可视化和探索。

如果你喜欢使用R语言，你可以在R中使用GWalkR。

🚀PyGWalker 登上GitHub热榜

🎯快速体验

• 使用pip或Conda安装pygwalker

  pip
  

pip install pygwalker

使用 pip install pygwalker --upgrade 更新最新版PyGWalker

使用 pip install pygwaler --upgrade --pre 来尝鲜最新版，获得最新bug修复

Conda-forge

conda install -c conda-forge pygwalker

或者

mamba install -c conda-forge pygwalker

• 在Jupyter Notebook中使用PyGWalker

导入库

import pandas as pd
import pygwalker as pyg

将dataframe 导入PyGWalker

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

使用Polars dataframe (需要pygwalker>=0.1.4.7a0):

import polars as pl
df = pl.read_csv('./bike_sharing_dc.csv',try_parse_dates = True)

gwalker = pyg.walk(df)

大功告成。现在你可以使用拖拉拽，直接操作dataframe，创建可视化视图，完成数据分析：

• 范例

🚚使用PyGWalker制作数据可视化图

• 快速预览数据

• 折线图

• 分面图 (Facet)

• 连接视图(Concat)

🎯一键尝试PyGWalker

• Kaggle Notebook

  https://colab.research.google.com/drive/171QUQeq-uTLgSj1u-P9DQig7Md1kpXQ2?usp=sharing
  

• Google Colab

  https://colab.research.google.com/drive/171QUQeq-uTLgSj1u-P9DQig7Md1kpXQ2?usp=sharing
  

• Graphic Walker Online Demo

  https://graphic-walker.kanaries.net/

🚀将数据可视化导出为代码

自PyGWalker 0.1.6.起，你可以将数据可视化导出为代码。

1、单击工具栏上的Export to Code 按钮。该按钮位于“导出为 PNG/SVG”按钮旁边。

 2、可视化以代码形式提供。单击复制到Clickboard 按钮以保存代码。

3、要在PyGWalker中导入代码，只需将刚刚下载的代码导入为vis_spec。 

示例 vis_spec 字符串：

vis_spec = """
[{"visId":"65b894b5-23fb-4aa6-8f31-d0e1a795d9de","name":"Chart 1","encodings":{"dimensions":[{"dragId":"9e1666ef-461d-4550-ac6a-465a74eb281d","fid":"gwc_1","name":"date","semanticType":"temporal","analyticType":"dimension"},...],"color":[],"opacity":[],"size":[],"shape":[],"radius":[],"theta":[],"details":[],"filters":[]},"config":{"defaultAggregated":true,"geoms":["auto"],"stack":"stack","showActions":false,"interactiveScale":false,"sorted":"none","size":{"mode":"auto","width":320,"height":200},"exploration":{"mode":"none","brushDirection":"default"}}}]
"""

并使用vis_spec加载 PyGWalker：

pyg.walk(df, spec=vis_spec)

4、调用内置帮助文档

help(pyg.walk)

    快速了解 vis_spec 字符串：

pyg.to_html(df, spec=vis_spec)

示例输出：

Signature: pyg.walk(df: 'pl.DataFrame | pd.DataFrame', gid: Union[int, str] = None, *, env: Literal['Jupyter', 'Streamlit'] = 'Jupyter', **kwargs)
Docstring:
Walk through pandas.DataFrame df with Graphic Walker

Args:
    - df (pl.DataFrame | pd.DataFrame, optional): dataframe.
    - gid (Union[int, str], optional): GraphicWalker container div's id ('gwalker-{gid}')

Kargs:
    - env: (Literal['Jupyter' | 'Streamlit'], optional): The enviroment using pygwalker. Default as 'Jupyter'
    - hideDataSourceConfig (bool, optional): Hide DataSource import and export button (True) or not (False). Default to True
    - themeKey ('vega' | 'g2'): theme type.
    - dark (Literal['media' | 'light' | 'dark']): 'media': auto detect OS theme.
    - return_html (bool, optional): Directly return a html string. Defaults to False.
File:      /usr/local/lib/python3.9/dist-packages/pygwalker/gwalker.py
Type:      function

PyGWalker可以在你日常使用Juypter等工具进行数据分析时，帮你更快、以更加低代码的形式探索你的数据并制作可视化。PyGWalker可以在各类主流的python环境中运行，你甚至可以在一些数据竞赛平台如kaggle中做数据分析时，通过PyGWalker快速启动一个交互式分析工具来协助你。

参考文档：

1、Graphic Walker参考：

https://github.com/Kanaries/graphic-walker

2、conda-forge feedstock参考： 

https://github.com/conda-forge/pygwalker-feedstock

3、PyGWalker开源地址：

https://github.com/Kanaries/pygwalker

点点关注不迷路

关注【爱编程爱技术】公众号

您可能喜欢：