1）
自从小伙伴们看了我在各个平台写的文章，挺多人私信我说数据分析怎么入门？其实说来惭愧，我并不是专职做数据分析，虽然平时工作很多时候也会和数据打交道，但我的主要方向还是偏向于算法、工程应用，也许下一份工作会做数据分析吧，不过那是后话了。虽说如此，但我觉得，学会了一些相对底层的技术，其他方向那也不在话下，比如很多人都知道我爬取B站几百万的视频资源，
并且我写成了一篇文章，然后被三位百万级微博大v转载了（由于我后来改了公号名称为【暮秋君】，结果这波保底5000+的流量白白损失了，直接哭晕在厕所），就只是花了半天时间学习爬虫，然后一切就顺利的搞定了。这就像张无忌学会了九阳神功，其他武林绝学自然就能快速掌握并精通。无论是python数据分析、python自动化办公，还是爬虫等，都离不开python的三大法宝：numpy、pandas、matplotlib。无论你用python做什么，这三兄弟都会一遍又一遍的出现在你面前，做数据分析pandas尤其重要。但是今天，我要给大家推荐另外一个工具库：pandas-profiling。简直不要太强大，一行代码生成数据报表，能大大提高你前期处理数据的效率。废话就不多说了，下面开始实战演习（小板凳要坐稳咯，哈哈）
2）
在做数据分析之前，我们都会希望能对这批数据有一个大致的理解，比如：有多少特征、每个特征的取值情况、异常数据、中位数、方差、特征之间的相关性等等。这个过程其实有一个专业的说法叫做：探索性数据分析（EDA）。这些分析可以调用pandas里面的info、head、describe等函数，但其实步骤也不少，并且有些统计量依然需要自己写代码才能得到。好了，下面就是今天的主角出场了。
3）
这里，我用kaggle上经典的泰坦尼克号的数据作为例子，能比较清楚的说明问题。
代码如下：
<code>import seaborn as sns
import pandas as pd
import pandas_profiling
import matplotlib.pyplot as plt/<code>
这里就是加载数据，seaborn库封装了加载泰坦尼克号的函数，不用再去网上下载了。下面我们看看前五行数据：
数据的每一行都是乘客的基本信息，每一列是乘客的信息特征，具体代表的含义，看着英文基本都能猜出大概。什么，看不懂单词？那赶紧去背四级单词吧，不然等着跟我一样毕业了还没过四级吧哈哈！
最关键的一行代码来了：
<code>pandas_profiling.ProfileReport(data)/<code>
就这一行代码，可以生成一个亮瞎我眼的数据报表，来看看。
是不是非常酷炫。最终的分析结果也是非常丰富的，下面我就详细的讲解一下这个报表里面的内容。
3.1
这部分是整个数据的一个综述。
Dataset info：统计了变量个数、数据总条数、异常值的百分比、数据占用的内存大小、每条记录占用的平均内存大小。
Variables types：统计了每个变量的类型。
Warning：这是在提醒我们需要注意的零值、缺失值、重复行等特殊数据。
3.2
这一部分是针对每个变量（特征），给出一些基本的信息，由于一共有15个变量，我就只介绍最具有代表性的age变量。
给出了变量的不同取值数量以及占的百分比、缺失值的数量及百分比、均值、最大最小值、无穷值。
statistics：绝大多数的数学统计量，均值、方差、协方差、中位数、求和、Q1值等等。
Histogram：频数分布直方图
Common value：频率分布表
Extreme value：给出了最大和最小的五个值的频率频数表
3.3
这部分给出了皮尔逊相关系数矩阵，可以直观的看到每个变量之间的相关性。从而有利于后期的数据建模。
4）
最后，再给出了前五行数据样例，更加直观的看到数据的真实样子。
整个报表就介绍完了，有木有感觉到功能非常强大啊，一键生成数据报表。并且这个工具对于常年和excel打交道的小伙伴来说，简直是福音啊，省去了很多中间繁杂的数据整理筛选过程。
閱讀更多 暮秋君 的文章
