Партнёр по визуальному анализу для вашего DataFrame

PyGWalker превращает данные в интерактивные приложения для визуализации одной строкой кода и позволяет делиться ими одним кликом.

pip install pygwalker --upgrade
Читать документацию
PyGWalker hero image

Тысячи разработчиков и специалистов по данным по всему миру доверяют PyGWalker

13K

звёзд на GitHub

1.35m

загрузок пакета

IEEE VIS 2024

Лучший короткий доклад

Самая популярная

Python-библиотека для визуализации в 2023/2024

Top 1

на Hacker News

Как использовать

От данных к приложению для визуализации без усилий

PyGWalker превращает данные в интерактивные приложения для визуализации одной строкой кода и позволяет делиться ими одним кликом.

Шаг 1: Установите PyGWalker

Начните с установки PyGWalker через pip (pip install pygwalker) или conda (conda install pygwalker).

Шаг 2: Загрузите данные

Импортируйте PyGWalker и превратите DataFrame в интерактивный компонент с помощью pygwalker.walk(dataframe).

Шаг 3: Исследуйте и визуализируйте

Создавайте визуализации простым перетаскиванием или командами на естественном языке.

Функции, упрощающие визуализацию

PyGWalker предлагает набор функций, которые делают анализ данных гораздо проще и при этом остаются масштабируемыми.

Data Painter

Очистка данных может быть простой

Data Painter в PyGWalker позволяет очищать данные словно "ластиком" — удаляйте выбросы, кластеры и сложные паттерны за секунды.

Data Painter

Аннотации для ad hoc-анализа

Создавайте новые переменные, метки и признаки, не прерывая аналитический процесс. Data Painter помогает формировать новые признаки в аналитических представлениях в режиме реального времени.

Интерактивные карты

Отобразите данные на карте за пару кликов

Мгновенно создавайте интерактивные карты на основе геоданных. Масштабируйте, перемещайте и изучайте точки данных с интуитивным управлением. Идеально подходит для визуализации пространственных закономерностей в DataFrame — без необходимости в картографических навыках.

pygwalker ui in gradio
PyGWalker

Высокая производительность и масштабируемость

Обрабатывайте огромные наборы данных с лидирующей в отрасли скоростью и эффективностью. По умолчанию PyGWalker выполняет запросы в высокопроизводительном движке на базе DuckDB и позволяет подключаться к внешним кластерам для больших данных, таким как Snowflake или ClickHouse.

efficient image
Интеграция с фреймворками

Работает с Jupyter, Streamlit, Gradio и Plotly Dash, легко встраивается в существующие рабочие процессы.

efficient image
Подключение баз данных

Можно подключить не только популярные базы данных к PyGWalker, но и использовать любые сервисы с поддержкой SQL как движок запросов. Так PyGWalker масштабируется для обработки больших данных.

efficient image

Визуализация в несколько строк кода

PyGWalker упрощает анализ данных благодаря мощным функциям, которые легко интегрируются в Jupyter и другие среды с помощью всего нескольких строк кода.

[1]:
import pandas as pd
from pygwalker.api.jupyter import JupyterRenderer

df = pd.read_csv("./bike_sharing_dc.csv")
renderer = JupyterRenderer(df)
renderer.explorer()
pygwalker ui in jupyter notebook

Часто задаваемые вопросы

PyGWalker — это постоянно развивающийся проект с открытым исходным кодом. Ниже — ответы на популярные вопросы о PyGWalker.

Готовы раскрыть визуальный потенциал своих данных?

PyGWalker — бесплатная библиотека с открытым исходным кодом, которая позволяет преобразовать данные в полностью интерактивный интерфейс визуального исследования всего за одну строку кода.

Нужно онлайн-инструмент для построения графиков из данных? Попробуйте наш Chart Maker.