DataFrame을 위한 시각 분석 동반자
PyGWalker는 데이터를 한 줄의 코드로 인터랙티브한 시각화 앱으로 전환하고, 한 번의 클릭으로 앱을 공유할 수 있게 해줍니다.
전 세계 수천 명의 개발자와 데이터 전문가가 PyGWalker를 신뢰합니다
13K
GitHub 스타
1.35m
패키지 다운로드
IEEE VIS 2024
최우수 단편 논문
가장 인기
2023/2024년 Python 시각화 라이브러리
Top 1
Hacker News
1단계: PyGWalker 설치
pip(pip install pygwalker) 또는 conda(conda install pygwalker)를 사용해 PyGWalker를 설치하세요.
2단계: 데이터 불러오기
PyGWalker를 임포트하고 pygwalker.walk(dataframe)으로 DataFrame을 인터랙티브 컴포넌트로 변환하세요.
3단계: 탐색 및 시각화
간단한 드래그 앤 드롭이나 자연어 명령으로 시각화를 만들 수 있습니다.
시각화를 단순하게 만드는 기능
PyGWalker는 데이터 분석을 훨씬 더 단순하게 만들고 언제나 확장 가능한 기능들을 제공합니다.
데이터 정제가 쉬워집니다
PyGWalker의 Data Painter는 "지우개"처럼 데이터를 정리할 수 있게 해줍니다. 이상치, 군집, 복잡한 패턴을 몇 초 만에 제거하세요.
애드혹 분석으로 주석 추가
분석 워크플로를 중断하지 않고 새로운 변수, 라벨, 피처를 생성하세요. Data Painter는 분석 뷰에서 실시간으로 새로운 피처를 만들 수 있게 해줍니다.
몇 번의 클릭으로 데이터를 지도에
지리 데이터로 즉시 인터랙티브 지도를 만들 수 있습니다. 직관적인 컨트롤로 확대, 이동하며 데이터 포인트를 탐색하세요. DataFrame의 위치 기반 패턴을 시각화하는 데 완벽하며, 지도 전문 지식이 없어도 됩니다.
고성능과 확장성
업계 최고 수준의 속도와 효율로 방대한 데이터 세트를 처리합니다. PyGWalker는 기본적으로 DuckDB 기반의 고성능 엔진으로 쿼리를 처리하며, Snowflake나 ClickHouse 같은 대규모 데이터 클러스터에도 연결할 수 있습니다.
프레임워크 통합
Jupyter, Streamlit, Gradio, Plotly Dash와 함께 작동하여 기존 워크플로에 매끄럽게 임베드할 수 있습니다.
데이터베이스 연결
일반적인 데이터베이스는 물론 SQL을 지원하는 모든 서비스를 PyGWalker의 쿼리 엔진으로 사용할 수 있어 대규모 데이터 처리에도 확장됩니다.
몇 줄의 코드로 시각화
PyGWalker는 강력한 기능으로 데이터 분석을 단순화하며, 소수의 코드만으로 Jupyter 등 다양한 환경에 쉽게 통합할 수 있습니다.
[1]:import pandas as pd
from pygwalker.api.jupyter import JupyterRenderer
df = pd.read_csv("./bike_sharing_dc.csv")
renderer = JupyterRenderer(df)
renderer.explorer()자주 묻는 질문
PyGWalker는 계속 발전하는 오픈 소스 프로젝트입니다. PyGWalker와 관련된 일반적인 질문을 소개합니다.
데이터의 시각적 가능성을 지금 열어보세요
무료이자 오픈 소스인 PyGWalker는 단 한 줄의 코드로 데이터를 완전한 인터랙티브 시각 탐색 인터페이스로 변환할 수 있습니다.
데이터로 차트를 만들 수 있는 온라인 도구가 필요하신가요? Chart Maker를 사용해 보세요.