企业官网建设流程全解析

PyGWalker：把 DataFrame 变成拖拽式数据可视化界面，3 分钟上手

【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 Jupyter 里的交互式数据可视化库，一行代码把 pandas DataFrame 变成可拖拽的分析界面。你不用查绘图 API 文档，把字段拖进对应区域就能出图。

🚀 从安装到跑通

环境要求一句话：Python 3.10+，并有一个可用的 Jupyter Notebook 或 Jupyter Lab（一种网页版的 Python 交互式环境）。

PyGWalker 安装步骤，一条命令：

pip install pygwalker

如果你用 conda 管理环境，把上面换成conda install -c conda-forge pygwalker即可。

装好后在 Notebook 里运行下面这段最小示例，它加载一个 CSV 并打开分析界面：

import pandas as pd import pygwalker as pyg df = pd.read_csv("your_data.csv") pyg.walk(df)

运行后，单元格下方会出现一个交互界面。左侧是字段列表，右侧是图表区，可以直接开始拖。

📊 它到底能帮你做什么

拖拽式图表生成：不用写绘图代码

常规做法是先选绘图库，再写聚合代码、调样式。PyGWalker 把这些步骤变成拖放：把字段拖到 X 轴、Y 轴或 Color 区域，图表实时更新。切换 mark 类型还能在柱状图、折线图、散点图之间切换，同一份数据多种表达方式，几秒钟试一轮。

数据表速览：分布、过滤与类型调整

画图前你总得先看清数据。Data 标签页直接展示表内容，每列的取值分布一目了然。你可以在表上加过滤器，也能修改列的数据类型，省去了"写一段代码检查一个字段"的来回切换。

保存图表配置，导出可复现代码

探索完的图表最终要变成可复现的产物。给pyg.walk传入spec_path，界面状态会以 JSON 文件落盘，点保存按钮即可持久化；之后用to_code()把当前图表导回标准 Python 代码，直接粘进脚本或报告：

walker = pyg.walk(df, spec_path="./chart_meta_0.json") code = walker.to_code(dataset_name="df")

嵌入 Streamlit，发布成网页应用

想让别人也看这份分析，用StreamlitRenderer把同一个界面包进 Streamlit 应用，调一次explorer()就能跑，不需要你理解 Web 开发细节。

周边与延伸

PyGWalker 是 Graphic Walker 的 Python 绑定，后者的定位是开源的 Tableau 替代品，界面里的可视化能力都来自它。如果你写 R，可以看看同引擎的封装 GWalkR。同团队的 RATH 走的是 AI 自动化探索式数据分析路线，和你手动拖拽的方式互补。整套项目属于 Jupyter 生态，在 Notebook、Jupyter Lab、VS Code 的 Jupyter 扩展里都能直接用。

• 官方中文文档：docs/README.zh.md
• 架构说明：docs/ARCHITECTURE.md

【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