PyGWalker（读作“Pig Walker”，谐音梗 ），全称为：Python Binding of Graphic Walker。
PyGWalker用于简化Jupyter Notebook工作流。无需复杂的数据分析和数据可视化步骤，您可以使用PyGWalker把 pandas dataframe 转化为可交互的图形界面进行分析。想象一下：在Jupyter Notebook 中跑起来一个类Tableau/PowerBI风格的界面，通过简单的拖放操作，就可以完成数据分析和可视化的操作。
接下来，让我们一起来体验PyGWalker。
PyGWalker 支持大部分Jupyter环境（Jupyter Notebook, Juypter Lab等），以及其他的一些云端notebook。
在Google Colab使用pygwalker
Binder
Jupyter Lab
Visual Studio Code （建设当中ing）
在Kaggle Code中使用pygwalker
其他环境支持：
如果你还有其他运行环境的需求，欢迎和我们反馈。
在Jupyter Notebook 使用 PyGWalker
首先安装pygwalker:
pip install pygwalker在Jupyter Notebook 中，引入pandas和pygwalker
import pandas as pdimport pygwalker as pyg
接下来，创建一个dataframe，只需调用pyg.walk方法，即可将datafame转化为一个可交互的可视化分析工具。
df = pd.read_csv('./bike_sharing_dc.csv', parse_dates=['date'])gwalker = pyg.walk(df)
在这个生成的可视化分析工具当中， 通过拖拉拽等交互来进行可视化探索。左侧为所有可以选择的变量，你可以将他们拖拽到对应的视觉通道上来生成可视化。对于每一个变量，你可以修改他们的聚合方式（求和、平均、计数等）或是关闭聚合模式，分析明细数据的分布（通常用于散点图的分析）
你可以同时分析多个变量之间的关系，pygwalker支持复杂的分面系统，这使得你可以做高维的可视化分析。
在工具栏中，您可以将几何类型更改为其他类型以制作不同的图表，例如折线图：
通过放置多个度量来创建对比视图，对比多个指标之间的变化情况，如下图。
创建分面视图来比对不同维度类别下的数据分布情况
PyGWalker可以在你日常使用Juypter等工具进行数据分析时，帮你更快、以更加低代码的形式探索你的数据并制作可视化。PyGWalker可以在各类主流的python环境中运行，你甚至可以在一些数据竞赛平台如kaggle中做数据分析时，通过PyGWalker快速启动一个交互式分析工具来协助你。
欢迎试用体验PyGWalker，并和我们分享你的体验和建议~
