欢迎关注 ,专注Python、数据分析、数据挖掘、好玩工具!
我们知道 Pandas 是数据科学社区中流行的 Python 包,它包含许多函数和方法来分析数据。尽管它的功能对于数据分析来说足够有效,但定制的库可以为 Pandas 增加更多的价值。
Sidetable 就是一个开源 Python 库,它是一种可用于数据分析和探索的工具,作为 value_counts 和 crosstab 的功能组合使用的。在本文中,我们将更多地讨论和探索其功能。欢迎收藏学习、点赞支持。
安装
可以使用从 PyPI 安装 Sidetable
pip install sidetable
用法
我们将使用从 Kaggle 下载的 Titanic 数据集来实现该库。
sidetable 的思想是减少数据分析所需的代码行数并加快工作流程。对于任何数据集,都需要执行一些数据分析任务,包括可视化特征分布、频率计数、缺失记录计数。
我们将使用 Titanic 数据集详细讨论 Sidetable 库的特性。
1、freq()
Pandas 提供了 value_counts() 函数,用于计算特征的频率计数。Pandas 可以计算分布计数和概率分布,但你可能希望更容易组合这些值。 
分布计数和概率分布可以结合使用,但需要大量的输入和代码记忆。
对于 sidetable,使用 freq() 函数在一行Python代码中实现它更简单。你可以获得累计总数、百分比和更大的灵活性。  除此之外,还可以对多个列进行分组,以可视化已分组要素的分布。  你还可以使用参数 value 指定要素列,以指示分组的数据“sum”应基于特定列。 
2、Counts
sidetable 中的 counts() 函数可以生成一个汇总表,该汇总表可用于确定你需要考虑为分类或数值的特征,以便进一步分析和建模。counts() 函数显示特征的唯一值的数量以及最频繁和最不频繁的值。
 可以使用 exclude 和 include 参数从数据集中排除或包含特定数据类型。
3、missing()
sidetable 中 missing()函数生成一个汇总表,该汇总表按每列的总缺失值的计数和百分比显示缺失记录。 
4、subtotal()
Sidetable 中 subtotal() 函数最适合与 Pandas 中的 group by 函数一起使用。它可用于计算数据帧分组的一个或多个级别的小计。 
subtotal()函数可以将其添加到分组数据的一个或多个级别。你需要首先使用groupby()函数对数据框进行分组,然后在每个级别添加一个小计。 
结论
Sidetable 是一种高效且方便的工具,它结合了 Pandas 的 value_counts 和 crosstab,生成一个可解释且易于理解的汇总表,还可用于提供分析结果。语法的简单性使其成为用于数据分析和探索的更好的库。
技术交流
欢迎转载、收藏、有所收获点赞支持一下!
 目前开通了技术交流群,群友超过2000人,添加方式如下:
如下方式均可,添加时最好方式为:来源+兴趣方向,方便找到志同道合的朋友
- 方式一、发送如下图片至微信,进行长按识别,回复加群;
- 方式二、直接添加小助手微信号:pythoner666,备注:来自CSDN
- 方式三、微信搜索公众号:Python学习与数据挖掘,后台回复:加群

|