PyGWalker: 可視化による探索的データ分析のための Python ライブラリ

PyGWalker を使用すると、Jupyter ノートブックのデータ分析とデータ視覚化のワークフローを簡素化できます。パンダのデータフレームを Tableau スタイルのユーザーインターフェイスに変換して、視覚的に探索します。

PyGWalker(楽しみのために「ピッグウォーカー」のように発音)は、「Gラフィックウォーカーのパイソンバインディング」の略語として名付けられました。Jupyter Notebook (または他の jupyter ベースのノートブック) を、Tableau とは異なるタイプのオープンソースの代替手段である Graphic Walker と統合します。これにより、データサイエンティストは簡単なドラッグアンドドロップ操作でデータを分析し、パターンを視覚化できます。

Google Colab、Kaggle Code、またはGraphic Walker Online Demoにアクセスしてテストしてください。

PyGWalkerは今後、Rなどのサポートを追加する予定です。

はじめ

テスト環境

• [x]ジュピターノートブック
• [x] グーグルコラボ
• [x]カグルコード
• [x] Jupyter Lab (WIP: まだいくつかの小さな CSS の問題があります)
• [x]データブリックノートブック(バージョン以降、さらにテストが必要です)

  0.1.4a0

• [x] Visual Studio Code の Jupyter Extension (以降のバージョンでは、さらにテストが必要です)

  0.1.4a1

• [ ] ...より多くの環境で問題を提起してください。

カグルで走る	コラボで実行

セットアップピグウォーカー

pygwalkerを使用する前に、pipを使用してコマンドラインからパッケージをインストールしてください。

pip install pygwalker

手記

初期の試用では、プレリリース用にインストールしたり、最新の機能やバグ修正を入手したりすることもできます。

pip install pygwalker --pre

pip install git+https://github.com/Kanaries/pygwalker@main

ジュピターノートブックでピグウォーカーを使用する

ピグウォーカーとパンダをJupyterノートブックにインポートして開始します。

import pandas as pd
import pygwalker as pyg

既存のワークフローを変更せずにピグウォーカーを使用できます。たとえば、次のようにデータフレームをロードした状態でグラフィックウォーカーを呼び出すことができます。

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

オンラインで試すこともできます, 単に訪問する , グーグルコラボ or Kaggle コード.

それです。これで、変数をドラッグアンドドロップしてデータを分析および視覚化するためのタブローのようなユーザーインターフェイスができました。

グラフィックウォーカーでできるクールなこと:

• マークの種類を他の種類に変更して、折れ線グラフなどの別のグラフを作成できます。

• 異なるメジャーを比較するには、行/列に複数のメジャーを追加して、連結ビューを作成します。

• ディメンションの値で分割された複数のサブビューのファセットビューを作成するには、ディメンションを行または列に配置してファセットビューを作成します。ルールは Tableau に似ています。

• データ探索の結果をローカル ファイルに保存できます。

詳細な手順については、グラフィックウォーカーのGitHubページをご覧ください。

ライセンス

アパッチライセンス2.0

リソース

• グラフィックウォーカーに関するその他のリソースについては、グラフィックウォーカーGitHubをご覧ください。
• また、AIを活用した自動化により、データのラングリング、探索、視覚化のワークフローを再定義するオープンソースの自動化探索的データ分析ツールであるRATHにも取り組んでいます。詳細については、Kanaries のウェブサイトと RATH GitHub をご覧ください。
• 問題が発生してサポートが必要な場合は、SlackまたはDiscordチャンネルに参加してください。
• これらのソーシャルメディアプラットフォームでピグウォーカーを共有します: