Python機械学習/summarytoolsでデータの概要把握

Introduction

summarytoolsパッケージ内のdfSummaryを使ってデータ概要を可視化する方法について解説．

パッケージインストールとインポート

# ! pip install summarytools
from summarytools.summarytools import dfSummary
import pandas as pd
import seaborn as sns

データの準備

今回は，seaborn内のタイタニックデータを使用．

data = sns.load_dataset('titanic')
data.head()

データ概要の可視化

dfSummaryでデータ概要を可視化

引数の詳細

• data：データフレーム
• max_level = 10：カテゴリー変数の表示数
• show_graph = True：グラフ表示の有無
• tmp_dir = './tmp'：画像のディレクトリ
• is_collapsible = False：ページ折り畳みの有無

個人的には，1)画像は保存しない，2)ページは折りたたむ；以下のスタイルがおすすめ

dfSummary(data, tmp_dir = '', is_collapsible = True)

dfSummary(data)

実行してみると，自分の環境ではint64型の列がうまく表示されない現象が起きた．
この理由が分かる人は，是非ともコメントで教えてほしい．
とりあえずint64型の列を一度int32型に変換したら改善した．

col_int = data.select_dtypes(include='int64').columns
data[col_int] = data[col_int].astype(int)

dfSummary(data)

Conclusion

dfSummaryはとりあえずデータの概要を把握したいときに，非常に簡単に使える関数なので活用されたし．

---

---

code

# パッケージインストールとインポート
# ! pip install summarytools
from summarytools.summarytools import dfSummary
import pandas as pd
import seaborn as sns

# データの準備
data = sns.load_dataset('titanic')
data.head()

# データ概要の可視化
col_int = data.select_dtypes(include='int64').columns
data[col_int] = data[col_int].astype(int)
dfSummary(data)