معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Automated view of dataset

ویژگی	مقدار
سیستم عامل	-
نام فایل	data-view-0.2.0
نام	data-view
نسخه کتابخانه	0.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Urev Oleg
ایمیل نویسنده	urevolegg@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/data-view/
مجوز	-

Description =========== Requirements ------------ * python >= 3.6 * numpy >= 1.16 * pandas >= 0.23 * matplotlib >= 3.02 * IPython >= 7.2.0 ------------ Module, provides the function _view_, which displays general information on the data: - Result of method info() - Result of method describe() - for numeric / categorical variables - The number of nulls in the data (amount and percentage for each column) - grid of histograms for numeric variables - Top-5 of the most frequent categorical variables (for each) - Split count statistic by category with less 5 unique values - matrix correlation - dataframe of higher correlation pair (over 0.7) Parameters (function view): * d - table with data * only_numeric - True / False, default: True. True - information output only by numerical variables, False - information output by numerical and categorical variables. * full_stats - True / False, default: False. False - output information on numerical variables without interquartile range, data boundaries without outliers, True - complete output with IQR, min and max by IQR and amount of outliers. * histograms - True / False, default: True. True - output with building histograms for numerical variables, False - without building histograms Top-5 elements of categorical variables The postfix (_name / _count) is assigned to the name of the data column to create top-5 elements table: - __name_ - category name - __count_ - number of unique elements in this category. If there are less than 5 unique elements, then the values in the _count field are filled -1 Count statistic of numbers variables split by some categorical variables - if number of unique elements in category variable less 5, then show count statistic Correlation matrix - Correlation matrix with heatmap (pearson corr index) Install ------- $ pip install data_view Usage ----- $ python3 from data_view import * d = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c']) view(d, only_numeric=True, histograms=False)

نحوه نصب

نصب پکیج whl data-view-0.2.0:

pip install data-view-0.2.0.whl

نصب پکیج tar.gz data-view-0.2.0:

pip install data-view-0.2.0.tar.gz