Le compagnon d'analyse visuelle de votre DataFrame
PyGWalker transforme vos données en applications de visualisation interactives avec une seule ligne de code et vous permet de partager vos applications en un clic.
Des milliers de développeurs et de professionnels des données dans le monde font confiance à PyGWalker
13K
Étoiles GitHub
1.35m
Téléchargements du paquet
IEEE VIS 2024
Meilleur article court
Le plus populaire
bibliothèque de visualisation Python en 2023/2024
Top 1
sur Hacker News
Des données à l'application de visualisation en toute simplicité
PyGWalker transforme vos données en applications de visualisation interactives avec une seule ligne de code et vous permet de partager vos applications en un clic.
Étape 1 : installer PyGWalker
Commencez par installer PyGWalker avec pip (pip install pygwalker) ou conda (conda install pygwalker).
Étape 2 : charger vos données
Importez PyGWalker et transformez votre DataFrame en composant interactif avec pygwalker.walk(dataframe).
Étape 3 : explorer et visualiser
Créez des visualisations avec de simples actions de glisser-déposer ou des commandes en langage naturel.
Des fonctionnalités qui simplifient la visualisation
PyGWalker fournit un ensemble de fonctionnalités qui rendent l'analyse de données beaucoup plus simple tout en restant évolutives.
Le nettoyage des données peut être facile
Le Data Painter de PyGWalker vous permet de nettoyer vos données avec une "gomme" : supprimez les valeurs aberrantes, les clusters et les motifs complexes en quelques secondes.
Annotations avec analyses ad hoc
Créez de nouvelles variables, étiquettes et caractéristiques sans interrompre votre flux d'analyse. Data Painter vous permet de générer de nouveaux features en temps réel directement dans vos vues analytiques.
Cartographiez vos données en quelques clics
Créez instantanément des cartes interactives à partir de vos données géographiques. Zoomez, déplacez-vous et explorez vos points de données avec des contrôles intuitifs. Idéal pour visualiser les tendances géographiques de votre DataFrame — sans compétences cartographiques requises.
Haute performance et évolutivité
Traitez des ensembles de données massifs avec une vitesse et une efficacité de pointe. PyGWalker s'appuie par défaut sur un moteur haute performance basé sur DuckDB et peut également se connecter à des clusters externes pour de grands volumes de données tels que Snowflake ou ClickHouse.
Intégration aux frameworks
Compatible avec Jupyter, Streamlit, Gradio et Plotly Dash, pour une intégration fluide à vos workflows existants.
Connexion aux bases de données
Vous pouvez connecter les bases de données les plus courantes à PyGWalker et utiliser tout service prenant en charge SQL comme moteur de requêtes. Ainsi, PyGWalker s'adapte au traitement de volumes de données importants.
Visualisez avec quelques lignes de code
PyGWalker simplifie l'analyse de données grâce à des fonctionnalités puissantes, faciles à intégrer dans Jupyter et d'autres environnements avec seulement quelques lignes de code.
[1]:import pandas as pd
from pygwalker.api.jupyter import JupyterRenderer
df = pd.read_csv("./bike_sharing_dc.csv")
renderer = JupyterRenderer(df)
renderer.explorer()Foire aux questions
PyGWalker est un projet open source en constante évolution. Voici quelques questions fréquentes sur PyGWalker.
Prêt à libérer la puissance visuelle de vos données ?
Gratuit et open source, PyGWalker est une bibliothèque Python qui vous permet de transformer vos données en une interface d'exploration visuelle entièrement interactive avec une seule ligne de code.
Besoin d'un outil en ligne pour créer des graphiques à partir de vos données ? Essayez notre Chart Maker.