企业官网建设流程全解析

PyGWalker：把 DataFrame 秒变交互式数据分析界面的 Python 库

【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 是一个把 pandas DataFrame 直接变成交互式 UI 的 Python 数据可视化工具。拖字段出图、点几下过滤数据，结果还能导出成代码。平时用 pandas 做探索性分析的数据分析师和工程师，装上就能用。

它解决了什么

手动画 matplotlib，一张图十几行代码；改个参数就得重跑 cell。同一个 DataFrame 翻来覆去做探索性查询，更枯燥。PyGWalker 的思路是把你的 DataFrame 变成一个交互式 UI：拖字段出图、点几下过滤，画完还能把生成的 Python 代码导出来。

环境与安装

一行 pip 搞定：

pip install pygwalker

conda-forge 也有，conda install -c conda-forge pygwalker。已有 pandas 环境即可直接用。

🚀 三步跑起来：DataFrame 转交互图表最快方法

1. 导入库：

import pandas as pd import pygwalker as pyg

2. 加载数据。DataFrame 从 CSV 读，或用你手头已有的对象：

df = pd.read_csv("data.csv")

3. 启动界面。在 Jupyter 里执行这一行，单元格下方直接出现界面：

pyg.walk(df)

不想试错的话，仓库里有个可运行的示例 examples/jupyter_demo.ipynb。

核心能力速览

拖拽出图：不写代码的 Python 数据可视化

场景：想快速看某个字段的分布、随时间的走势。关键操作：把字段拖进 X-Axis 或 Y-Axis，柱状图、折线图、散点图立刻出来；换一下标记类型就能切换图表种类。下面这张就是拖出来的分组对比图。

数据表格：先摸清数据再动手

场景：刚拿到一张表，不知道数据长什么样。关键操作：切到 Data 标签页看数据表格和分布概况，可以直接在表里加过滤条件、改列的数据类型。

把图表结果导出成 Python 代码

场景：拖出了一组满意的图，想放进可复现的 notebook 脚本。关键操作：在界面里保存图表状态，然后在 Python 里调to_code拿到对应生成代码。

⚡ 进阶与组合玩法

保存与还原图表配置。给pyg.walk传spec_path，图表布局会存到本地 JSON。下次打开传同一个文件，布局直接恢复，换份数据也能复用。

walker = pyg.walk(df, spec_path="./chart_meta.json")

导出结果分享。walker.to_html()生成独立 HTML 页面，发给同事就能看；walker.export_chart_png("Chart 1")直接导出 PNG，贴报告用。

发布成网页。Streamlit 可以托管 PyGWalker 界面，不写代码的同事也能在浏览器里看同一批图表。示例见 examples/streamlit_demo.py。

周边生态

• Graphic Walker：PyGWalker 背后的开源可视化前端，一个 Tableau 替代方案。
• RATH：AI 驱动的自动化探索性数据分析工具，帮你跑数据整理和探索流程。

适合谁 / 小结

如果你天天跟 pandas 打交道、又懒得手写画图代码，PyGWalker 值得一试，拖一下出图只要几秒，结果还是可复现的代码。要是你需要对图表排版做像素级控制，或者出出版级的正式图，它就帮不上忙了。

【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