使用pandas自動生成分析報告內政部不動產實價登錄

Roy Hwang

2022/06/04閱讀時間約 4 分鐘

資料來源為

電子資料申請
Edit descriptionplvr.land.moi.gov.tw

資料爬蟲請參考這位大神的文章

110年，第一季至第四季，台北市的資料

下載完後，會看到每一年每一季的實價登錄資料夾，裡面有很多檔案，主要可以分成以下三種：

x_lvr_land_a：房屋買賣交易
x_lvr_land_b：新成屋交易
x_lvr_land_c：租房交易

其中 x 是一個英文字母，代表每個縣市，也就是你身份證字號的開頭，
例如台北，就是「a」，新北市就是「f」，以此類推。

在jupyterlab輸入以下指令安裝pandas-profiling

!pip install pandas-profiling

pandas-profiling從 pandas 生成配置文件報告DataFrame。pandasdf.describe()函數很方便，但對於探索性數據分析有點基礎。pandas-profiling用擴展了 pandas DataFrame，df.profile_report()它會自動生成一個標準化的單變量和多變量報告，用於數據理解。

pandas-profiling 是一個用於 Python pandas 資料框架的探索性資料分析工具。它可以生成互動式的報告，這些報告提供了數據集的高級摘要和各個變量的詳細分析。報告包括變量的統計摘要、數據分佈的可視化，以及變量間的關聯性分析等。

主要特點

概觀資訊: 快速獲得數據集中的變數類型、觀察值數量和缺失值數量。
變量詳情: 每個變量的統計摘要，包括均值、模式、標準差、缺失值、唯一值數量等。
相關性分析: 熱圖和其他圖表顯示變量間的相關性。
樣本資料: 數據集的頭部和尾部。
支持多種格式的報告: HTML、JSON等。

如何安裝

可以通過 pip 安裝 pandas-profiling：

pip install pandas-profiling

使用範例

這裡提供一個簡單的範例，如何使用 pandas-profiling 生成一個數據集的報告。

import pandas as pd
from pandas_profiling import ProfileReport

# 載入數據集
df = pd.read_csv('your_data.csv')

# 創建報告
profile = ProfileReport(df, title='Pandas Profiling Report', explorative=True)

# 將報告存為 HTML 文件
profile.to_file("your_report.html")

這段代碼會讀取 CSV 文件中的數據，創建一個包含數據集概述和詳細分析的報告，然後將該報告保存為 HTML 文件。用户可以在網頁瀏覽器中打開和互動這個報告。

對於每一列，以下信息（只要與列類型相關）都顯示在交互式 HTML 報告中：

類型推斷：檢測 DataFrame 中的列類型
要點：類型、唯一值、缺失值指示
分位數統計：最小值、Q1、中位數、Q3、最大值、範圍、四分位間距
描述性統計：均值、眾數、標準差、總和、中值絕對差、變異係數、峰度、偏度
最常見和極值
直方圖：分類和數值
相關性：高相關性警告，基於不同的相關性指標（Spearman、Pearson、Kendall、Cramér’s V、Phik）
缺失值：通過計數、矩陣、熱圖和樹狀圖
重複行：最常見的重複行列表
文本分析：最常見的類別（大寫、小寫、分隔符）、腳本（拉丁文、西里爾文）和塊（ASCII、西里爾文）
文件和圖像分析：文件大小、創建日期、尺寸、截斷圖像的指示和 EXIF 元數據的存在

只要五行code

import numpy as np
import pandas as pd
from pandas_profiling import ProfileReport
profile = ProfileReport(df, title=”Pandas Profiling Report”, explorative=True)

df 為已經合併的資料集