在使用数据进行机器学习前，通常会对已有的数据进行初步的观察，包括查看数据的类型、数据的范围、数据的分布等。比较常用的方式是使用Pandas预览一部分数据。今天要介绍的Pandas-Profiling工具可以使得以上的流程更加简单。
Pandas-Profiling的安装与使用
Pandas-Profiling的安装非常简单，直接使用Pip安装即可：
pip install pandas-profiling
Pandas-Profiling的使用也非常简单，一行代码即可搞定，这里使用titanic_dataset做演示：
import pandas as pd
from pandas_profiling import ProfileReport
df = pd.read_csv("data/titanic_dataset.csv")
prof = ProfileReport(df)
prof.to_file(output_file="output.html")
Pandas-Profiling ProfileReport详解
总体信息：
- 变量数(列)、观察数(行)、数据缺失率、内存
- 数据类型的分布情况
警告信息：
- 要点：类型，唯一值，缺失值
- 分位数统计量，如最小值，Q1，中位数，Q3，最大值，范围，四分位数范围
- 描述性统计数据，如均值，模式，标准差，总和，中位数绝对偏差，变异系数，峰度，偏度
单变量描述：对每个变量进行描述解析
相互关系（双变量）：
相关性分析：突出高度相关变量
丢失数据：
数据预览：
参考链接：
