PyGWalker 快速上手指南:2 行代码把 DataFrame 变成可视化面板
【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker
PyGWalker 是一个开源的 Python 交互式数据可视化库,能把 pandas、polars、pyarrow 的表格数据直接变成可拖拽操作的可视化界面。它把 Jupyter 与开源可视化工具 Graphic Walker 结合在一起,让你在 Notebook 里不用手写绑图代码,就能完成数据探索、清洗和展示。
PyGWalker 是什么:一句话讲清它能帮你干什么
PyGWalker 解决的是"拿到一张表之后,怎么快速看清数据"的问题,主要面向在 Jupyter 里做探索性分析的数据分析师和数据工程师。它的核心能力:
- 拖拽绑图:把字段拖进行、列、颜色槽位,图表实时更新,无需写代码
- 数据速览与清洗:内置数据表查看分布概况,支持加过滤器、改字段类型
- 多种图表随时切换:折线、柱状、散点等标记类型一键切换
- 灵活的计算后端:查询可以跑在浏览器、本地 DuckDB 或云端
- 多环境集成:支持 Jupyter Notebook、JupyterLab、Streamlit、marimo 等
一条命令完成 PyGWalker 安装与环境准备
环境要求不苛刻:Python 3.10 及以上,加上一个能运行 IPython 的环境(Jupyter、Google Colab、Kaggle 均可)。
pip install pygwalker # 或者使用 conda-forge 渠道 # conda install -c conda-forge pygwalker三步跑通 PyGWalker 第一个交互界面
- 在 Notebook 中导入 pandas 和 pygwalker(导入名是
pyg)。 - 读入一份 CSV,调用
pyg.walk(df),一行代码打开交互面板。 - 把字段拖到坐标轴上,第一个图就出来了;探索完还能把结果保存成本地文件复用。
import pandas as pd import pygwalker as pyg df = pd.read_csv("data.csv") walker = pyg.walk(df)运行后单元格下方会出现完整界面:Data 标签页看数据,Visualization 标签页绑图 ✅ 整个过程不改动你原有的分析流程,df 还是那个 df。
PyGWalker 的 4 个高频使用场景
切换标记类型,快速出不同图表
把默认绑图的标记改成折线、柱状或散点,同一份数据立刻换一种视角,特别适合观察趋势和对比分布,几秒钟就能试完一整套图。
多指标并排比较:拼接视图
行或列里放多个度量时会生成拼接视图,多张子图并排展示,一眼对比不同指标的走势,省去了反复切图的麻烦。
按维度拆分:分面视图
把维度字段放进行或列,可以按字段取值把图拆成多个子视图,比如按城市、按月份分别看同一趋势,差异一目了然。
数据表速览:预览、过滤、改类型
内置数据表提供数据预览、分布概况和字段信息,还能直接加过滤条件、调整字段类型,相当于一个轻量版数据探查页,绑图前先摸清数据底细 📊
PyGWalker 生态与相关推荐
- Graphic Walker:PyGWalker 的"本体",开源的 Tableau 替代品,提供完整的可视化交互能力
- RATH:同团队的 AI 驱动自动化探索性分析软件,自动完成数据整理、探索与可视化
- GWalkR:面向 R 语言用户的 Graphic Walker 封装
- PyGWalker Desktop:可离线使用的桌面版本,适合不想写代码的场景
总结:先试两行代码,再决定要不要深入
PyGWalker 的价值在于把"绑图"的门槛降到几乎为零,是 Jupyter 工作流里性价比很高的数据探索入口。想继续看:
- README.md:官方功能介绍与 API 参考
- docs/README.zh.md:中文文档
- examples/streamlit_demo.py:Streamlit 集成示例
- pygwalker/api/:各集成环境的入口源码
【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考