本次分享一个Python数据探索小工具dshelper，适合快速查看数据基本特征、数据可视化等使用场景。

无需代码，自动完成数据集描述统计；

无需代码，界面点鼠标绘制多种统计图：

支持命令行、jupyter notebook、docker三种使用模式。

---

dshelper：安装

pip install dshelper

---

dshelper：快速上手

下面简单介绍使用，

第一步，需要几行代码导入包、读入数据集，

import dshelper
import pandas as pd
df = pd.read_csv('./titanic.csv')
dshelper.dshelp(df) #一行代码调用dshelper

第二步，界面操作数据

将第一步代码存于run_demo.py中，/Users/xmy/anaconda/anaconda3/bin/pythonw run_demo.py即可调出界面。

⚠️注意，针对不同操作系统，第二步使用方法有差异，

• windows，linux：python run_demo.py
• mac：pythonw main_gui.py

出现以下界面，即可愉快的使用dshelper了。

---

dshelper：数据集描述统计

浏览原始数据

原始数据描述统计、操作日志

---

dshelper：数据可视化

dshelper支持7类图表，histogram、heatmap、correlation、scatter、box、violin、pair；

底层调用的是seaborn，所以比较美观；

heatmap、correlation小例子

pair plot小例子

histogram小例子

box、violin小例子

---

dshelper：Jupyter Notebook中使用

代码第一行添加：%gui wx，

---

dshelper：Docker中使用 

• make build to build the project
• make runlinux to run in Linux
• WIP for mac

---

dshelper：未来值得期待

dshelper已经有详细的迭代计划，会新增多种数据格式导入、大数据抽样、时间序列等等，值得期待。