Skip to content
PyGWalker 0.1.6. 更新: ビジュアライゼーションをコードにエクスポート

PyGWalker 0.1.6. 更新: ビジュアライゼーションをコードにエクスポート

Updated on

PyGWalker の 0.1.6 リリースでは、Pandas または Polars データフレームを Tableau のようなインターフェイスを使用して簡単にデータ視覚化に変換し、視覚化をコードにエクスポートできます。いつでもコードを PyGWalker にインポートして戻すこともできます。 時間!

データを分析してパターンを視覚化する面倒なプロセスに苦労したことがあるデータ サイエンティストなら、PyGWalker が役に立ちます。 この Python ライブラリは、pandas データフレーム (および polars データフレーム) を、視覚的な探索のための使いやすい Tableau スタイルのインターフェイスに変えることで、ワークフローを合理化できます。

PyGWalker の紹介: EDA と可視化のための Python ライブラリ。

📚

PyGWalker とは?

PyGWalker (opens in a new tab) は、探索的データ分析 (EDA) と視覚化を簡素化するために設計されたオープンソースの Python ライブラリです。 PyGWalker を使用すると、単純なドラッグ アンド ドロップ インターフェイスを使用して、データ パターンを簡単に分析および視覚化できます。 PyGWalker は、Tableau に代わるオープンソースの Graphic Walker の Python バインディングです。 PyGWalker は、Jupyter Notebook やその他の jupyter ベースのノートブックとシームレスに統合します。

PyGWalker は、Jupyter Notebook、Google Colab (opens in a new tab)Kaggle Code (opens in a new tab)バインダー (opens in a new tab) Graphic Walker オンライン デモ (opens in a new tab)。 PyGWalker を使い始めるには、pip または conda を介してライブラリをインストールする必要があります。 インストール後、PyGWalker と pandas を Jupyter Notebook にインポートして開始できます。

pip install pygwalker --upgrade
import pygwalker as pyg

インポートしたら、次の方法でデータフレーム (df) をロードして Graphic Walker を呼び出すことができます。

gwalker = pyg.walk(df)

Pandas データフレームを可視化にエクスポート

それでおしまい。 変数をドラッグ アンド ドロップしてデータを分析および視覚化するための、Tableau に似たユーザー インターフェイスが用意されました。

Pandas Datafreame の Tableau ライクなユーザー インターフェイス

バージョン 0.1.6。 新機能: データ視覚化をコードにエクスポート

最新の更新(バージョン 0.1.6.) (opens in a new tab) で、PyGWalker に Visualization をコードにエクスポートする機能が含まれました。

お散歩しましょ♪:

  1. ツールバーの コードにエクスポート ボタンをクリックします。 このボタンは、[PNG/SVG にエクスポート] ボタンの横にあります。

    PyGWalker をコードにエクスポート

  2. ビジュアライゼーションはコードとして利用できます。 [クリックボードにコピー] ボタンをクリックして、コードを保存します。

    PyGWalker をコードにエクスポート

  3. PyGWalker にコードをインポートするには、ダウンロードしたコードを vis_spec としてインポートし、vis_spec で PyGWalker をロードします。

pip install pygwalker --upgrade
import pygwalker as pyg

インポートしたら、次の方法でデータフレーム (df) をロードして Graphic Walker を呼び出すことができます。

gwalker = pyg.walk(df)

Pandas データフレームを可視化にエクスポート

それでおしまい。 変数をドラッグ アンド ドロップしてデータを分析および視覚化するための、Tableau に似たユーザー インターフェイスが用意されました。

Pandas Datafreame の Tableau ライクなユーザー インターフェイス

バージョン 0.1.6。 新機能: データ視覚化をコードにエクスポート

最新の更新(バージョン 0.1.6.) (opens in a new tab) で、PyGWalker に Visualization をコードにエクスポートする機能が含まれました。

お散歩しましょ♪:

  1. ツールバーの コードにエクスポート ボタンをクリックします。 このボタンは、[PNG/SVG にエクスポート] ボタンの横にあります。

    PyGWalker をコードにエクスポート

  2. ビジュアライゼーションはコードとして利用できます。 [クリックボードにコピー] ボタンをクリックして、コードを保存します。

    PyGWalker をコードにエクスポート

  3. PyGWalker にコードをインポートするには、ダウンロードしたコードを vis_spec としてインポートし、vis_spec で PyGWalker をロードします。

vis_spec = """
[{"visId":"65b894b5-23fb-4aa6-8f31-d0e1a795d9de","name":"Chart 1","encodings":{"dimensions":[{"dragId":"9e1666ef-461d-4550-ac6a-465a74eb281d","fid":"gwc_1","name":"date","semanticType":"temporal","analyticType":"dimension"},{"dragId":"d2164142-30f7-41a3-a1df-0a0e4ebf1de2","fid":"gwc_2","name":"month","semanticType":"ordinal","analyticType":"dimension"},{"dragId":"7d40982e-4b76-45ed-91a8-25d25a0b4ae8","fid":"gwc_3","name":"season","semanticType":"nominal","analyticType":"dimension"},{"dragId":"28204432-cc53-4c17-9c3e-201bb1c6fd69","fid":"gwc_5","name":"year","semanticType":"nominal","analyticType":"dimension"},{"dragId":"75628c6d-4d67-4f95-96e9-0a614514d199","fid":"gwc_6","name":"holiday","semanticType":"nominal","analyticType":"dimension"},{"dragId":"b66191c8-8798-4355-87d5-0b65b014d703","fid":"gwc_14","name":"work yes or not","semanticType":"nominal","analyticType":"dimension"},{"dragId":"9abd2352-722c-494d-a605-05674c422142","fid":"gwc_15","name":"am or pm","semanticType":"nominal","analyticType":"dimension"},{"dragId":"c61bd371-dcc8-43c6-af41-e80bf20eb457","fid":"gwc_16","name":"Day of the week","semanticType":"ordinal","analyticType":"dimension"}],"measures":[{"dragId":"d4e3d4f4-d9ad-47cb-9774-8eacc608501a","fid":"gwc_0","name":"index","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"a42d4ea2-c74c-4e6c-81f3-fa58145d9fc4","fid":"gwc_4","name":"hour","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"d72e7d5d-cc1e-46d3-988c-b0f25c68e069","fid":"gwc_7","name":"temperature","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"82e03549-2840-4779-8c87-9bd642d15cbe","fid":"gwc_8","name":"feeling_temp","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"615fafa5-9c75-43b5-a7b7-a797309064fa","fid":"gwc_9","name":"humidity","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"9da93314-e617-4fbc-9e88-eeef46275083","fid":"gwc_10","name":"winspeed","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"0bee609f-6a15-4dfc-8196-e55a7fab6085","fid":"gwc_11","name":"casual","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"4170fac2-46a6-43e7-be73-fd3dd39ffe7a","fid":"gwc_12","name":"registered","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"bd1b1e87-aecd-41de-8888-9ccbe13f2e5f","fid":"gwc_13","name":"count","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"b49622a7-5acf-4925-a817-8ad4ae7bc4c8","fid":"gw_count_fid","name":"Row count","analyticType":"measure","semanticType":"quantitative","aggName":"sum"}],"fields":[{"dragId":"61b1cac3-c58d-49f5-8cbe-282357895bc6","fid":"gwc_0","name":"index","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"db165342-0017-4fa3-89f0-efffaedf5087","fid":"gwc_1","name":"date","analyticType":"dimension","semanticType":"temporal"},{"dragId":"ee625e2d-958a-425b-b13e-0cc59d286fc6","fid":"gwc_2","name":"month","analyticType":"dimension","semanticType":"ordinal"},{"dragId":"c73d0141-998f-4caf-ad03-23849d42f025","fid":"gwc_3","name":"season","analyticType":"dimension","semanticType":"nominal"},{"dragId":"c4a3743c-6400-4466-928f-a2b40f7de920","fid":"gwc_4","name":"hour","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"c0acb711-2f54-41b5-a4f0-d355d8f6998f","fid":"gwc_5","name":"year","analyticType":"dimension","semanticType":"nominal"},{"dragId":"9ad81c68-5329-42eb-9b3a-a813a9482e9b","fid":"gwc_6","name":"holiday","analyticType":"dimension","semanticType":"nominal"},{"dragId":"f135914b-7a58-4f69-bf6e-4328a42c76a0","fid":"gwc_7","name":"temperature","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"4eda6f67-0d64-4b85-9895-ff8dd7c4dab5","fid":"gwc_8","name":"feeling_temp","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"cfa84897-13c9-45ec-addb-2a3135d0113d","fid":"gwc_9","name":"humidity","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"abe15c87-7364-4687-beda-ba11d30c2262","fid":"gwc_10","name":"winspeed","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"5ca1464d-3dc6-4a80-b78c-a6f91ef11e72","fid":"gwc_11","name":"casual","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"a6e553e7-32a2-4aed-b590-02308fb7cac1","fid":"gwc_12","name":"registered","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"37f8fc74-06c2-43bb-98dc-135efdad6a69","fid":"gwc_13","name":"count","aggName":"sum","analyticType":"measure","semanticType":"quantitative"},{"dragId":"c5916915-203b-457c-ba6a-2e28c21694b2","fid":"gwc_14","name":"work yes or not","analyticType":"dimension","semanticType":"nominal"},{"dragId":"ac293432-2c09-4104-bb95-8027f94a310e","fid":"gwc_15","name":"am or pm","analyticType":"dimension","semanticType":"nominal"},{"dragId":"0020d11e-6bcd-44cb-919b-6cb3f6d5fa0f","fid":"gwc_16","name":"Day of the week","analyticType":"dimension","semanticType":"ordinal"},{"dragId":"9ffc9ee4-3413-432f-9606-6c44ea3717da","fid":"gw_count_fid","name":"Row count","aggName":"sum","analyticType":"measure","semanticType":"quantitative"}],"rows":[{"dragId":"cc52d32f-1438-4523-b20a-b7c8346327d1","fid":"gwc_7","name":"temperature","analyticType":"measure","semanticType":"quantitative","aggName":"sum"},{"dragId":"7a693f90-6e5a-4032-a800-f3162efeb2c6","fid":"gwc_10","name":"winspeed","analyticType":"measure","semanticType":"quantitative","aggName":"sum"}],"columns":[{"dragId":"0170fb40-aa10-4378-ab79-3a35aad936ce","fid":"gwc_9","name":"humidity","analyticType":"measure","semanticType":"quantitative","aggName":"sum"}],"color":[{"dragId":"0e30a2e3-d670-42d5-b0c8-fed4befeb92c","fid":"gwc_3","name":"season","semanticType":"nominal","analyticType":"dimension"}],"opacity":[],"size":[],"shape":[],"radius":[],"theta":[],"details":[],"filters":[]},"config":{"defaultAggregated":false,"geoms":["auto"],"stack":"stack","showActions":false,"interactiveScale":false,"sorted":"none","size":{"mode":"auto","width":320,"height":200},"exploration":{"mode":"none","brushDirection":"default"}}}]
"""
pyg.walk(df, spec=vis_spec)

データの視覚化を PyGWalker にロード

PyGWalker には、最新の更新プログラムに対するその他の機能強化とバグ修正もあります。 最も注目すべき点:

更新の完全なリストについては、PyGWalker 変更ログ を参照してください。

まとめ

あなたがデータ サイエンティスト、アナリスト、学生、またはデータを視覚化する必要がある人であれば、PyGWalker は使用を検討すべき優れたツールです。 データ ビジュアライゼーションのエクスポートを使用して、機能をコーディングし、複雑なビジュアライゼーションを作成し、それらのビジュアライゼーションを他のツールに統合できます。

PyGWalker に関する提案や機能のリクエストが他にもある場合は、PyGWalker GitHub (opens in a new tab) でお気軽にイシューをドロップしてください。

参考文献

📚