Pandas describe 方法的两个替代方案

2 Alternatives to Pandas' Describe

我加载任何 Pandas 或 Polars DataFrame 时，第一件（或第二件）做的事情大概就是用 df.describe() 方法来 describe 它。然而，我总觉得它的输出相当简陋，几乎没什么用处。换句话说，它几乎没有突出任何关于数据的关键信息。

但前段时间，我发现了两个相当酷的库，它们极大地强化了这个 DataFrame 汇总。从那以后，我想我再也没有用过 describe() 方法。

它是一款基于 Jupyter 的工具，提供标准化且全面的数据汇总。其中包括数据形状、列的数据类型、列的汇总统计（statistical）信息、分布图、缺失统计等：

更重要的是，该汇总按数据类型分组，便于更快速地分析。这是使用 Skimpy 的代码：

我非常喜欢 Skimpy 的一点是，它能与 Polars 无缝协作，而最近我开始比 Pandas 更频繁地使用 Polars。

第二个是 SummaryTools，它做的事情和 Skimpy 几乎一模一样，即生成一份标准化的报告：

这是使用 SummaryTools 的代码：

SummaryTools 有两个相当酷的地方，它可以创建：

1. 数据集的可折叠汇总，如下图所示：

2. 数据集的标签页式汇总，如下所示：

我唯一不喜欢 SummaryTools 的地方是它（目前）还不兼容 Polars。尽管如此，我觉得它们两个都非常有前景，能比 Pandas 的 describe 方法更细致地帮助我理解数据集。可通过下载这个 Jupyter notebook 来试一试：https://bit.ly/45Rheq1。