Python智能挖掘数据新秘器

大家好，本次分享一款在数据探索中表现出色的工具—Python Lux ，通过自动化可视化和数据分析过程，使得数据探索变得更加快捷方便。

Lux的使用方法非常简单，只需在Jupyter notebook中输入dataframe，Lux就会智能推荐一组基于数据趋势和模式的可视化。在Lux的交互式小部件中，你可以轻松浏览各种可视化，快速理解数据中的信息。不再需要复杂的代码和繁琐的操作，Lux为数据分析提供了一种更为直观和高效的方式。

在本文中，我们将深入介绍Lux Python库的基本功能，助你更好地理解如何利用这一工具简化你的数据探索任务。让我们一起看看Lux如何在实际应用中发挥作用吧。

---

Lux安装

conda install -c conda-forge lux-api
jupyter nbextension install --py luxwidget
jupyter nbextension enable --py luxwidget

---

出现以下内容，说明Lux已经安装成功，

---

Lux使用非常简单，只需要提供dataframe即可。

Lux自动探索数据

Lux自动推荐一组可视化，突显数据集中的有趣趋势和模式。

Lux根据数据属性推荐了一组可交互的可视化图表，现在您可以使用它们来进一步探索您的数据集！

---

Lux自动探索数据+人工干预

我们也可以告诉 Lux 感兴趣的属性和值，基于这个意图，Lux会引导用户朝着他们探索中的潜在下一步。例如，我们可能对数据集中的AverageCost 和 SATAverage 感兴趣。

结果包含两个部分，左侧是我们感兴趣的字段关系图，在右侧，Lux 生成了三组推荐，以单独的标签组织在小部件上：

右侧"Enhance"：向当前选择添加一个额外的属性，从根本上突显额外变量如何影响 AverageCost 和 SATAverage 之间的关系。

右侧"Filter"：向当前选择添加一个过滤器，同时保持属性（在 X 轴和 Y 轴上）不变。

右侧"Generalize"：移除一个属性，以显示更一般的趋势，展示 AverageCost 和 SATAverage 的分布情况。?

---

导出代码进一步探索

选中感兴趣的结果图导出代码进一步探索，如下图，先选中目的图，然后右侧导出，

vis = df.exported[0]
vis

支持导出 matplotlib、altair和vegalite格式代码，

print (vis.to_code("matplotlib"))
print (vis.to_code("altair"))
print (vis.to_code("vegalite"))

例如altair代码，

ref:?https://github.com/lux-org/lux

????更多干货👇👇👇