访问官网
Github
文档
英语 | [日语](https://github.com/Kanaries/Rath/blob/master/./docs/README-jp.md | [简体中文](https://github.com/Kanaries/Rath/blob/master/./docs/README-zh.md
简介
RATH不仅是Tableau等数据分析和可视化工具的开源替代品，它还通过增强分析引擎自动化您的探索性数据分析工作流程，发现模式、洞察、因果关系，并使用强大的自动生成多维数据可视化来呈现这些洞察。
RATH基于最小化可视化信息感知误差的原则生成/推荐可视化。
开始使用
立即开始使用RATH！
功能
- 🤖 数据探索自动驾驶：一键获取洞察！增强分析引擎用于发现模式、洞察和因果关系。一种完全自动化的方式，只需一次点击即可探索和可视化数据集。
-
🛠 数据探索副驾驶：RATH将作为您数据科学的副驾驶，学习您的意图并生成相关推荐。
-
自然语言界面：使用自然语言提问，从您的数据中获取答案/可视化。
- 自动可视化：RATH将为您选择的数据生成最佳可视化。它使您专注于数据和变量，而不是如何制作可视化。
-
👓 数据整理器：自动数据整理器，用于生成数据摘要和数据转换。
-
🎨 数据绘制器：一个交互式、直观且强大的工具，通过直接为数据着色进行探索性数据分析，并具有进一步的分析功能。观看这个视频，了解如何使用数据绘制器发现数据洞察。
-
:bar_chart: 仪表板：构建美观的交互式数据仪表板（包括一个自动仪表板设计器，可为您的仪表板提供建议）。
-
因果分析：识别和检验变量之间的因果关系，这有助于探索数据、创建更好的预测模型并做出商业决策。
使用指南
从在线数据库或CSV/JSON文件导入数据。
查看您的数据源统计信息
数据准备
RATH支持使用黑魔法般的预测性转换操作进行数据准备。它将自动生成转换和清理等建议。
一键式自动数据分析与可视化
增强分析引擎，用于发现模式、洞察和因果关系。只需一键即可全自动探索和可视化数据集。
将RATH作为您的数据探索副驾驶
RATH将作为您的数据科学副驾驶，学习您的意图并生成相关推荐。
询问您的数据
询问有关您数据的问题，RATH集成了GPT来生成答案和可视化效果。
通过拖放手动探索您的数据：
手动探索是一个独立的嵌入式模块。您可以在您的应用中独立使用它。有关更多详细信息，请参阅
packages/graphic-walker/README.md中的README.md。安装Graphic Walker
yarn add @kanaries/graphic-walker # 或 npm i --save @kanaries/graphic-walker
:sparkles: 通过数据绘画进行交互式数据分析工作流
🌅 因果分析（Alpha阶段）
因果分析可以定义为识别和检验变量之间因果关系的方法，这可以帮助探索数据、创建更好的预测模型和做出商业决策。
RATH的因果分析功能包括：
- 因果发现
- 可编辑的图形化因果模型
- 因果可解释性
- 用于深入探索的交互工具
- 假设分析
有关因果分析功能的更多信息，请参阅RATH文档。
支持的数据库
RATH支持广泛的数据源。以下是您可以连接到RATH的一些主要数据库解决方案：
如果您想添加对更多数据库类型或数据引擎的支持，请随时联系我们
开发者文档
RATH软件目前处于公开alpha阶段。我们正在努力改进其代码和文档。
客户端部分的构建脚本
yarn install
yarn workspace rath-client build
如果您正在将RATH用于您的项目，请通过发送邮件至support@kanaries.org告诉我们您的使用情况。我们也欢迎您提供反馈。如果您发现了bug或有功能请求，请创建一个issue。
我们鼓励您查看我们的RATH文档以获取参考和指导。
项目状态
社区
Kanaries社区是一个进行开放讨论功能、表达您的想法或获得一般问题帮助的地方。通过以下渠道加入我们：
我们的开发者社区是RATH项目持续进行的基石。我们诚挚地欢迎您加入我们的社区，参与对话并与我们保持联系以获取最新更新。
欢迎为RATH项目做出贡献，在我们的GitHub页面上提交任何问题，或在我们的聊天中分享您的全新想法。
请考虑与更广泛的开源社区分享您使用Kanaries RATH的体验或想法。这真的很有帮助！
贡献
请查阅RATH 贡献指南了解如何进行贡献的相关指导。
感谢所有贡献者 :heart:
许可证（AGPL）
Rath 是一款自动化数据分析和可视化工具（自动 EDA）。它是一个基于 AGPL 许可的免费开源软件。
品牌图标受其版权许可保护。
享受数据的乐趣！ ❤️
