PyGWalker把 DataFrame 变成拖拽式数据可视化界面3 分钟上手【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalkerPyGWalker 是 Jupyter 里的交互式数据可视化库一行代码把 pandas DataFrame 变成可拖拽的分析界面。你不用查绘图 API 文档把字段拖进对应区域就能出图。 从安装到跑通环境要求一句话Python 3.10并有一个可用的 Jupyter Notebook 或 Jupyter Lab一种网页版的 Python 交互式环境。PyGWalker 安装步骤一条命令pip install pygwalker如果你用 conda 管理环境把上面换成conda install -c conda-forge pygwalker即可。装好后在 Notebook 里运行下面这段最小示例它加载一个 CSV 并打开分析界面import pandas as pd import pygwalker as pyg df pd.read_csv(your_data.csv) pyg.walk(df)运行后单元格下方会出现一个交互界面。左侧是字段列表右侧是图表区可以直接开始拖。 它到底能帮你做什么拖拽式图表生成不用写绘图代码常规做法是先选绘图库再写聚合代码、调样式。PyGWalker 把这些步骤变成拖放把字段拖到 X 轴、Y 轴或 Color 区域图表实时更新。切换 mark 类型还能在柱状图、折线图、散点图之间切换同一份数据多种表达方式几秒钟试一轮。数据表速览分布、过滤与类型调整画图前你总得先看清数据。Data 标签页直接展示表内容每列的取值分布一目了然。你可以在表上加过滤器也能修改列的数据类型省去了写一段代码检查一个字段的来回切换。保存图表配置导出可复现代码探索完的图表最终要变成可复现的产物。给pyg.walk传入spec_path界面状态会以 JSON 文件落盘点保存按钮即可持久化之后用to_code()把当前图表导回标准 Python 代码直接粘进脚本或报告walker pyg.walk(df, spec_path./chart_meta_0.json) code walker.to_code(dataset_namedf)嵌入 Streamlit发布成网页应用想让别人也看这份分析用StreamlitRenderer把同一个界面包进 Streamlit 应用调一次explorer()就能跑不需要你理解 Web 开发细节。周边与延伸PyGWalker 是 Graphic Walker 的 Python 绑定后者的定位是开源的 Tableau 替代品界面里的可视化能力都来自它。如果你写 R可以看看同引擎的封装 GWalkR。同团队的 RATH 走的是 AI 自动化探索式数据分析路线和你手动拖拽的方式互补。整套项目属于 Jupyter 生态在 Notebook、Jupyter Lab、VS Code 的 Jupyter 扩展里都能直接用。官方中文文档docs/README.zh.md架构说明docs/ARCHITECTURE.md【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PyGWalker：把 DataFrame 变成拖拽式数据可视化界面，3 分钟上手
PyGWalker把 DataFrame 变成拖拽式数据可视化界面3 分钟上手【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalkerPyGWalker 是 Jupyter 里的交互式数据可视化库一行代码把 pandas DataFrame 变成可拖拽的分析界面。你不用查绘图 API 文档把字段拖进对应区域就能出图。 从安装到跑通环境要求一句话Python 3.10并有一个可用的 Jupyter Notebook 或 Jupyter Lab一种网页版的 Python 交互式环境。PyGWalker 安装步骤一条命令pip install pygwalker如果你用 conda 管理环境把上面换成conda install -c conda-forge pygwalker即可。装好后在 Notebook 里运行下面这段最小示例它加载一个 CSV 并打开分析界面import pandas as pd import pygwalker as pyg df pd.read_csv(your_data.csv) pyg.walk(df)运行后单元格下方会出现一个交互界面。左侧是字段列表右侧是图表区可以直接开始拖。 它到底能帮你做什么拖拽式图表生成不用写绘图代码常规做法是先选绘图库再写聚合代码、调样式。PyGWalker 把这些步骤变成拖放把字段拖到 X 轴、Y 轴或 Color 区域图表实时更新。切换 mark 类型还能在柱状图、折线图、散点图之间切换同一份数据多种表达方式几秒钟试一轮。数据表速览分布、过滤与类型调整画图前你总得先看清数据。Data 标签页直接展示表内容每列的取值分布一目了然。你可以在表上加过滤器也能修改列的数据类型省去了写一段代码检查一个字段的来回切换。保存图表配置导出可复现代码探索完的图表最终要变成可复现的产物。给pyg.walk传入spec_path界面状态会以 JSON 文件落盘点保存按钮即可持久化之后用to_code()把当前图表导回标准 Python 代码直接粘进脚本或报告walker pyg.walk(df, spec_path./chart_meta_0.json) code walker.to_code(dataset_namedf)嵌入 Streamlit发布成网页应用想让别人也看这份分析用StreamlitRenderer把同一个界面包进 Streamlit 应用调一次explorer()就能跑不需要你理解 Web 开发细节。周边与延伸PyGWalker 是 Graphic Walker 的 Python 绑定后者的定位是开源的 Tableau 替代品界面里的可视化能力都来自它。如果你写 R可以看看同引擎的封装 GWalkR。同团队的 RATH 走的是 AI 自动化探索式数据分析路线和你手动拖拽的方式互补。整套项目属于 Jupyter 生态在 Notebook、Jupyter Lab、VS Code 的 Jupyter 扩展里都能直接用。官方中文文档docs/README.zh.md架构说明docs/ARCHITECTURE.md【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考