PyGWalker: 一个用于可视化探索性数据分析的Python库

PyGWalker可以简化您的Jupyter Notebook数据分析和数据可视化工作流程，通过将您的pandas数据框转换为交互式用户界面进行可视化探索。

PyGWalker（发音类似"Pig Walker"，只是为了好玩）是"Python binding of Graphic Walker"的缩写。它将Jupyter Notebook与Graphic Walker（Tableau的开源替代品）集成在一起。它允许数据科学家通过简单的拖放操作甚至自然语言查询来可视化/清理/注释数据。

访问Google Colab、Kaggle Code或Graphic Walker在线演示进行测试！

如果您更喜欢使用R，请查看GWalkR，这是Graphic Walker的R语言包装器。

https://github.com/Kanaries/pygwalker/assets/22167673/2b940e11-cf8b-4cde-b7f6-190fb10ee44b

开始使用

查看我们关于使用pygwalker、pygwalker + streamlit和pygwalker + snowflake的视频教程，如何在Python中使用PyGWalker探索数据

在Kaggle中运行	在Colab中运行

安装pygwalker

在使用pygwalker之前，请确保通过命令行使用pip或conda安装软件包。

pip

pip install pygwalker

注意

如果想尝试早期版本，您可以使用pip install pygwalker --upgrade命令来保持您的版本与最新发布版本同步，或者使用pip install pygwaler --upgrade --pre来获取最新的功能和错误修复。

Conda-forge

conda install -c conda-forge pygwalker

或者

mamba install -c conda-forge pygwalker

查看 conda-forge feedstock 获取更多帮助。

在Jupyter Notebook中使用pygwalker

快速开始

在Jupyter Notebook中导入pygwalker和pandas以开始使用。

import pandas as pd
import pygwalker as pyg

你可以在不改变现有工作流程的情况下使用pygwalker。例如，你可以这样调用PyGWalker来加载数据框：

df = pd.read_csv('./bike_sharing_dc.csv')
walker = pyg.walk(df)

就是这样。现在你有了一个交互式界面，可以通过简单的拖放操作来分析和可视化数据。

使用PyGwalker可以做的一些很酷的事情：

你可以将标记类型更改为其他类型以制作不同的图表，例如，折线图：
要比较不同的度量，你可以通过在行/列中添加多个度量来创建连接视图。
要制作按维度值划分的多个子视图的分面视图，将维度放入行或列中以创建分面视图。
PyGWalker包含一个强大的数据表，提供数据及其分布、概况的快速视图。你还可以在表中添加过滤器或更改数据类型。
你可以将数据探索结果保存到本地文件

更好的实践

使用pygwalker时，你应该了解一些重要的参数：

spec：用于保存/加载图表配置（JSON字符串或文件路径）
kernel_computation：用于使用duckdb作为计算引擎，允许你在本地机器上更快地处理更大的数据集。
use_kernel_calc：已弃用，请使用kernel_computation代替。

df = pd.read_csv('./bike_sharing_dc.csv')
walker = pyg.walk(
    df,
    spec="./chart_meta_0.json",    # 这个json文件将保存你的图表状态，你需要在完成图表后手动点击UI中的保存按钮，未来将支持"自动保存"。
    kernel_computation=True,       # 设置`kernel_computation=True`，pygwalker将使用duckdb作为计算引擎，支持你探索更大的数据集（<=100GB）。
)

本地notebook示例

Notebook代码：点击这里
预览Notebook HTML：点击这里

云端notebook示例

在Streamlit中使用pygwalker

Streamlit允许你托管pygwalker的网页版本，而无需弄清楚Web应用程序的细节。

以下是一些使用pygwalker和streamlit构建的应用示例：

from pygwalker.api.streamlit import StreamlitRenderer
import pandas as pd
import streamlit as st

# 调整Streamlit页面的宽度
st.set_page_config(
    page_title="在Streamlit中使用Pygwalker",
    layout="wide"
)

# 添加标题
st.title("在Streamlit中使用Pygwalker")

# 你应该缓存你的pygwalker渲染器，如果你不希望内存爆炸的话
@st.cache_resource
def get_pyg_renderer() -> "StreamlitRenderer":
    df = pd.read_csv("./bike_sharing_dc.csv")
    # 如果你想使用保存图表配置的功能，设置 `spec_io_mode="rw"`
    return StreamlitRenderer(df, spec="./gw_config.json", spec_io_mode="rw")


renderer = get_pyg_renderer()

renderer.explorer()

API参考

pygwalker.walk

参数	类型	默认值	描述
dataset	Union[DataFrame, Connector]	-	要使用的数据框或连接器。
gid	Union[int, str]	None	GraphicWalker容器div的ID，格式为'gwalker-{gid}'。
env	Literal['Jupyter', 'JupyterWidget']	'JupyterWidget'	使用pygwalker的环境。
field_specs	Optional[Dict[str, FieldSpec]]	None	字段规格。如果未指定，将从`dataset`自动推断。
hide_data_source_config	bool	True	如果为True，隐藏数据源导入和导出按钮。
theme_key	Literal['vega', 'g2']	'g2'	GraphicWalker的主题类型。
appearance	Literal['media', 'light', 'dark']	'media'	主题设置。'media'将自动检测操作系统主题。
spec	str	""	图表配置数据。可以是配置ID、JSON或远程文件URL。
use_preview	bool	True	如果为True，使用预览功能。
kernel_computation	bool	False	如果为True，使用内核计算数据。
**kwargs	Any	-	额外的关键字参数。

开发

参考：本地开发

已测试环境

配置和隐私政策（pygwlaker >= 0.3.10）

你可以使用pygwalker config设置隐私配置。

$ pygwalker config --help

用法: pygwalker config [-h] [--set [key=value ...]] [--reset [key ...]] [--reset-all] [--list]

修改配置文件。（默认：~/Library/Application Support/pygwalker/config.json）
可用配置：

- privacy  ['offline', 'update-only', 'events'] (默认: events)。
    "offline": 完全离线，不发送数据或请求API
    "update-only": 仅检查是否有新版本的pygwalker可更新
    "events": 分享关于pygwalker中使用了哪些功能的事件，仅包含您到达哪些功能的事件数据，用于产品优化。您分析的数据不会被发送。事件数据将与一个唯一ID绑定，该ID在安装pygwalker时基于时间戳生成。我们不会收集关于您的任何其他信息。
    
- kanaries_token  ['你的kanaries令牌'] (默认: 空字符串)。
    你的kanaries令牌，可以从 https://kanaries.net 获取。
    参考：https://space.kanaries.net/t/how-to-get-api-key-of-kanaries。
    通过kanaries令牌，你可以在pygwalker中使用kanaries服务，如分享图表、分享配置。
    

选项:
  -h, --help            显示此帮助信息并退出
  --set [key=value ...]
                        设置配置。例如："pygwalker config --set privacy=update-only"
  --reset [key ...]     重置用户配置并使用默认值。例如："pygwalker config --reset privacy"
  --reset-all           重置所有用户配置并使用默认值。例如："pygwalker config --reset-all"
  --list                列出当前使用的配置。

更多详情，请参考：如何设置隐私配置？

许可证

Apache License 2.0

资源

PyGWalker云版已发布！你现在可以将图表保存到云端，将交互式单元格发布为Web应用，并使用高级的GPT驱动功能。查看PyGWalker云版了解更多详情。

在 Kanaries PyGWalker 上查看更多关于 PyGWalker 的资源
PyGWalker 论文 PyGWalker: 用于探索性可视化数据分析的即时助手
我们还在开发 RATH：一款开源的、自动化的探索性数据分析软件，通过 AI 驱动的自动化重新定义了数据整理、探索和可视化的工作流程。访问 Kanaries 网站和 RATH GitHub 了解更多！
YouTube：如何在 Python 中使用 PyGWalker 探索数据
使用 pygwalker 在 streamlit 中构建可视化分析应用
如果您遇到任何问题需要支持，请加入我们的 Discord 频道或在 GitHub 上提出问题。
如果您喜欢 pygwalker，请在以下社交媒体平台上分享！