PyGWalker um dashboard para Visualização de Dados

O PyGWalker é uma biblioteca Python que permite a criação de interfaces de usuário interativas para Análise de Dados.

Logo, o PyGWalker pode simplificar uma análise de dados e fluxo de trabalho de visualização de dados no Jupyter Notebook, transformando um dataframe Pandas em uma interface de usuário sem código para exploração visual.

O PyGWalker (pronunciado como "Pig Walker") é um "portmanteau" (tradução livre: "maleta" ou "valise") excêntrico de "ligação Python do Graphic Walker". Ele combina o Jupyter Notebook (ou outros notebooks baseados no jupyter) com o Graphic Walker.

Antes de mergulharmos na biblioteca PyGWalker , certificaremos de instalar os pacotes necessários pelo terminal usando pip ou conda.

Usando Pip: Para instalar o PygWalker, simplesmente execute:

pip install pygwalker

Se quisermos manter sua versão atualizada com o último lançamento:

pip install pygwalker --upgrade

Alternativamente, poderemos usar:

pip install pygwalker --upgrade

para obtermos os recursos e correções mais recentes.

Usando Conda-forge:

Para instalarmos o PygWalker através da conda-forge, execute o comando:

conda install -c conda-forge pygwalker

Depois que tivermos o PygWalker instalado, podemos começar a usá-lo no Jupyter Notebook, importando o Pandas e o PygWalker:

import pandas as pd
import pygwalker as pyg

Criando um Data Frame no Pandas:

# criando uma lista para os dados.
data = [['Ary','M',21],['Cátia','F',19],
     ['Carlos','M',50],['Beto','M',29],
     ['Bruna','F',31],['Ana','F',42]]
# criando uma lista para as colunas.
colunas = ['Nome','Sexo','Idade']
# criando uma lista para os índices das linhas.
indices = list(range(6))
# criando no Pandas uma tabela ou data frame.
df = pd.DataFrame(data = data, index=indices, columns= colunas)
df

O PygWalker se integra perfeitamente ao seu fluxo de trabalho existente. Por exemplo, para chamar o Graphic Walker com um dataframe, você pode carregar seus dados usando pandas e, em seguida, executar:

walker = pyg.walk(df)

Visualização de Dados com o PyGWalker

Agora temos uma interface de usuário visual para analisar e visualizar dados arrastando e soltando variáveis. Podemos usá-lo para poderosas visualizações de dados, apenas alterando o tipo de marca para criar diferentes tipos de gráficos.

Conclusão:

Os cientistas de dados agora podem construir visualizações de dados usando arrastar e soltar direto, em vez de usar códigos Python!