1）
自從小夥伴們看了我在各個平臺寫的文章，挺多人私信我說數據分析怎麼入門？其實說來慚愧，我並不是專職做數據分析，雖然平時工作很多時候也會和數據打交道，但我的主要方向還是偏向於算法、工程應用，也許下一份工作會做數據分析吧，不過那是後話了。雖說如此，但我覺得，學會了一些相對底層的技術，其他方向那也不在話下，比如很多人都知道我爬取B站幾百萬的視頻資源，
並且我寫成了一篇文章，然後被三位百萬級微博大v轉載了（由於我後來改了公號名稱為【暮秋君】，結果這波保底5000+的流量白白損失了，直接哭暈在廁所），就只是花了半天時間學習爬蟲，然後一切就順利的搞定了。這就像張無忌學會了九陽神功，其他武林絕學自然就能快速掌握並精通。無論是python數據分析、python自動化辦公，還是爬蟲等，都離不開python的三大法寶：numpy、pandas、matplotlib。無論你用python做什麼，這三兄弟都會一遍又一遍的出現在你面前，做數據分析pandas尤其重要。但是今天，我要給大家推薦另外一個工具庫：pandas-profiling。簡直不要太強大，一行代碼生成數據報表，能大大提高你前期處理數據的效率。廢話就不多說了，下面開始實戰演習（小板凳要坐穩咯，哈哈）
2）
在做數據分析之前，我們都會希望能對這批數據有一個大致的理解，比如：有多少特徵、每個特徵的取值情況、異常數據、中位數、方差、特徵之間的相關性等等。這個過程其實有一個專業的說法叫做：探索性數據分析（EDA）。這些分析可以調用pandas裡面的info、head、describe等函數，但其實步驟也不少，並且有些統計量依然需要自己寫代碼才能得到。好了，下面就是今天的主角出場了。
3）
這裡，我用kaggle上經典的泰坦尼克號的數據作為例子，能比較清楚的說明問題。
代碼如下：
<code>import seaborn as sns
import pandas as pd
import pandas_profiling
import matplotlib.pyplot as plt/<code>
這裡就是加載數據，seaborn庫封裝了加載泰坦尼克號的函數，不用再去網上下載了。下面我們看看前五行數據：
數據的每一行都是乘客的基本信息，每一列是乘客的信息特徵，具體代表的含義，看著英文基本都能猜出大概。什麼，看不懂單詞？那趕緊去背四級單詞吧，不然等著跟我一樣畢業了還沒過四級吧哈哈！
最關鍵的一行代碼來了：
<code>pandas_profiling.ProfileReport(data)/<code>
就這一行代碼，可以生成一個亮瞎我眼的數據報表，來看看。
是不是非常酷炫。最終的分析結果也是非常豐富的，下面我就詳細的講解一下這個報表裡面的內容。
3.1
這部分是整個數據的一個綜述。
Dataset info：統計了變量個數、數據總條數、異常值的百分比、數據佔用的內存大小、每條記錄佔用的平均內存大小。
Variables types：統計了每個變量的類型。
Warning：這是在提醒我們需要注意的零值、缺失值、重複行等特殊數據。
3.2
這一部分是針對每個變量（特徵），給出一些基本的信息，由於一共有15個變量，我就只介紹最具有代表性的age變量。
給出了變量的不同取值數量以及佔的百分比、缺失值的數量及百分比、均值、最大最小值、無窮值。
statistics：絕大多數的數學統計量，均值、方差、協方差、中位數、求和、Q1值等等。
Histogram：頻數分佈直方圖
Common value：頻率分佈表
Extreme value：給出了最大和最小的五個值的頻率頻數表
3.3
這部分給出了皮爾遜相關係數矩陣，可以直觀的看到每個變量之間的相關性。從而有利於後期的數據建模。
4）
最後，再給出了前五行數據樣例，更加直觀的看到數據的真實樣子。
整個報表就介紹完了，有木有感覺到功能非常強大啊，一鍵生成數據報表。並且這個工具對於常年和excel打交道的小夥伴來說，簡直是福音啊，省去了很多中間繁雜的數據整理篩選過程。
閱讀更多 暮秋君 的文章
