人的一生，无法避开的是死亡和税收。假设你是数据分析师，那得再加一个，数据可视化。
数据可视化是传达信息和辅助读者理解数据的关键。传统的 python 可视化库虽然功能强大，但需要编写大量代码，对那些代码不是很娴熟的业务型数据分析师来说，非常不友好。
今天要介绍的 PygWalker，是一个基于jupyter notebook应用的开源的数据可视化工具。它可以极大的简化数据可视化分析工作流。
重点是！几乎 0 代码，你准备好了数据后，一行代码就可以将 DataFrame 转化成可交互式的分析界面。
通过简单的拖拉拽和自然语言，停止数据可视化。 支持的图标也比较多，即有根底的条形图、折线图，还有复杂的热力图，散点图。
接下来，简单介绍一下PygWalker 的使用方法。你需要提早装置好的有 Jupyter Notebook 软件，提早装置好 pandas、 numpy等用于数据预处置 的包。因为不是本次的介绍重点，故不展开陈说。
一、装置和初始化
使用 pip 指令装置 PygWalker 。
pip install pygwalker
快速入门，导入 PygWalke 并创建一个可视化界面。
这里，我模仿了一些虚拟销售数据，方便大家可以拷贝代码，快速上手。
这份数据包含了几个字段，Region 地区；Product 产品；Sales 销量；Date 日期；
import pandas as pdimport numpy as np# 创建虚拟销售数据np.random.seed(0)data = { 'Region': np.random.choice(['North', 'South', 'East', 'West'], 100), 'Product': np.random.choice(['A', 'B', 'C', 'D'], 100), 'Sales': np.random.randint(100, 1000, 100), 'Date': pd.date_range(start='1/1/2021', periods=100)}df_sales = pd.DataFrame(data)接下来，导入 PygWalker，并创建可视化界面。见证奇迹的时刻到了！
import pygwalker as pyggwalker = pyg.walk(df_sales)
df_sales 是我们方才虚拟的 dataframe，只需要导入这个包，然后引用 pyg.walk 函数，函数输入填入你需要停止可视化的 dataframe，就Ok 了。
二、核心操作指南
执行完 gwalker = pyg.walk(df_sales) 这个代码，系统展示的是一个空白的可视化页面。我截图展示的，是一个简单的案例。在使用前，我必需要先给大家介绍一些关键按钮和操作方式。
1 、数据概览
点击 Data，可以看到你导入的 dataframe 各个字段的描绘性统计。
2 、可视化主界面
你需要配置的可视化图标的 x轴和 y 轴。只需要拉着左侧 Field List 里的字段到 X-Axis 和 Y-Axis 位置处，就Ok 了。其中，假设需要拆分多个图标停止横向对比，或者纵向对比，则可以在对应的位置增加变量。
下面这个图里，我想分开看A 、 B 、 C 、 D 四个产品在各区域内的销售表现。所以，在 X-Axis 里，我拉入了两个变量，分别是Product和 Region。纵坐标则拖入的是 Sales 。
假设要限制不看指定的商品数据，可以通过 Filters 挑选剔除数据。
把待挑选的字段 Product 拖入 Filters 区域；
然后，勾选不需要看的商品 A ，就可以完成了数据挑选限制展示。
同样的，假设需要依照不同的信息设置颜色Color、透明度 Opacity、大小 Size 、形状 Shape 和展示数据细节 Details，则往下看。
3 、配置需要展示的可视化类型
点Mark Type，可以自由选择需要展示的可视化形式，可以是柱形图 Bar 、折线图 Line 、散点图 Scatter 等。
除此之外，还能画哪些类型的图呢？附上官网教程里的文档链接，感兴趣的可以点击探究。
传送门：https://docs.kanaries.net/zh/graphic-walker/data-viz/create-data-viz
好的，极简 PygWalker 入门指引写完了。因为篇幅原因，还有很多强大的功能未能逐个介绍，比如橡皮擦（肃清异常数据）、保管可视化探究结果数据，再次导入做二次应用等。
正所谓，知识虽宝贵，但理论更无价。一起探究吧。 | 
