全球数千名开发者和数据专业人士都在使用 PyGWalker
13K
GitHub 星标
1.35m
包下载量
IEEE VIS 2024
最佳短文
最受欢迎
2023/2024 年度 Python 可视化库
Top 1
Hacker News
步骤 1：安装 PyGWalker
使用 pip（pip install pygwalker）或 conda（conda install pygwalker）安装 PyGWalker。
步骤 2：加载数据
导入 PyGWalker，并通过 pygwalker.walk(dataframe) 将 DataFrame 转换为交互式组件。
步骤 3：探索与可视化
通过拖拽操作或自然语言指令快速创建可视化。
让可视化更简单的功能
PyGWalker 提供了一系列功能，让数据分析更加轻松，同时保证可扩展性。
数据清洗可以很轻松
PyGWalker 的 Data Painter 支持像使用“橡皮擦”一样清洗数据，几秒内去除离群点、聚类或复杂模式。
随时注释与临时分析
无需打断分析流程即可创建新的变量、标签和特征。Data Painter 允许你在分析视图中实时生成新特征。
几次点击即可映射数据
使用地理数据即可快速生成交互式地图。通过直观的控制完成缩放、平移和探索，非常适合可视化 DataFrame 中的空间模式——无需专业制图经验。
高性能，可扩展
以行业领先的速度和效率处理海量数据集。PyGWalker 默认使用基于 DuckDB 的高性能引擎，也支持连接 Snowflake、ClickHouse 等外部集群以处理大规模数据。
框架集成
兼容 Jupyter、Streamlit、Gradio 和 Plotly Dash，可无缝嵌入现有工作流。
数据库连接
不仅可以连接常见数据库，还能把所有支持 SQL 的服务作为 PyGWalker 的查询引擎，让它胜任大数据处理。
几行代码即可完成可视化
PyGWalker 通过强大的功能简化数据分析，只需少量代码即可轻松集成到 Jupyter 等环境中。
[1]:import pandas as pd
from pygwalker.api.jupyter import JupyterRenderer
df = pd.read_csv("./bike_sharing_dc.csv")
renderer = JupyterRenderer(df)
renderer.explorer()常见问题
PyGWalker 是一个持续迭代的开源项目。以下是关于 PyGWalker 的常见问答。