# data_analysis_tools

**Repository Path**: ailark/data_analysis_tools

## Basic Information

- **Project Name**: data_analysis_tools
- **Description**: 用Python+Streamlit，搭建一个可团队复用的，适应任一数据集的分析平台。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-10-20
- **Last Updated**: 2025-11-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 交互式数据分析平台

一个基于Streamlit的交互式数据分析应用，支持多种文件格式、动态图表切换和原始数据查看。

## 🚀 功能特点

### 核心功能
- **多格式支持**: 支持CSV、Excel(.xlsx/.xls)等常见数据格式
- **智能编码识别**: 自动识别CSV文件编码(UTF-8, GBK, GB2312, Latin-1)
- **交互式图表**: 8种图表类型，支持动态切换和配置
- **数据筛选**: 实时筛选和查看原始数据
- **统计分析**: 自动生成描述性统计和缺失值分析
- **数据处理**: 支持数据类型转换和缺失值处理
- **数据导出**: 支持筛选后数据的导出功能

### 支持的图表类型
1. **散点图** - 分析两个数值变量的关系
2. **柱状图** - 比较不同类别的数值
3. **线图** - 展示趋势变化
4. **饼图** - 显示比例分布
5. **直方图** - 查看数据分布
6. **箱线图** - 分析数据的分布和异常值
7. **热力图** - 显示变量间的相关性
8. **小提琴图** - 结合箱线图和密度图的优点

## 📦 安装依赖

```bash
pip install -r requirements.txt
```

## 🎯 使用方法

### 启动应用
```bash
streamlit run app.py
```

### 基本操作流程
1. **上传数据**: 在左侧边栏选择CSV或Excel文件
2. **数据查看**: 在"数据查看"标签页浏览和筛选数据
3. **图表分析**: 在"图表分析"标签页创建交互式图表
4. **统计分析**: 查看描述性统计和缺失值分析
5. **数据处理**: 进行数据类型转换和缺失值处理

## 🔧 技术架构

### 主要技术栈
- **Streamlit**: Web应用框架
- **Pandas**: 数据处理和分析
- **Plotly**: 交互式图表库
- **Matplotlib/Seaborn**: 静态图表支持
- **NumPy**: 数值计算

### 核心模块
- `DataAnalyzer`: 数据分析核心类
  - 文件加载和格式识别
  - 列类型自动分析
  - 图表生成引擎
  - 数据统计分析

## 📊 使用示例

### 数据文件要求
- **CSV文件**: 支持多种编码格式
- **Excel文件**: 支持.xlsx和.xls格式
- **数据结构**: 第一行为列名，后续行为数据

### 图表配置
- **X轴/Y轴**: 根据图表类型选择合适的列
- **颜色分组**: 可选择分类列进行颜色区分
- **交互功能**: 支持缩放、平移、悬停显示等

## 🎨 界面布局

### 侧边栏
- 文件上传区域
- 数据加载控制

### 主界面
- **数据概览**: 显示基本统计信息
- **数据查看**: 原始数据浏览和筛选
- **图表分析**: 交互式图表生成
- **统计分析**: 描述性统计和分析
- **数据处理**: 数据清洗和转换

## 🔍 高级功能

### 数据筛选
- 按分类列值筛选数据
- 动态调整显示行数
- 实时预览筛选结果

### 数据导出
- 导出筛选后的数据
- 自动生成时间戳文件名
- CSV格式下载

### 数据处理
- 数据类型转换(数值型、文本型、日期型)
- 缺失值处理(删除包含缺失值的行)
- 列类型自动重新识别

## 🚨 注意事项

1. **文件大小**: 建议上传文件不超过100MB
2. **内存使用**: 大数据集可能需要较多内存
3. **浏览器兼容**: 推荐使用Chrome、Firefox等现代浏览器
4. **中文支持**: 已配置中文字体，支持中文数据显示

## 🔄 相比原版本的改进

### 解决的问题
1. **静态分析限制** → 动态交互式分析
2. **图表切换不便** → 实时图表配置和切换
3. **文件格式单一** → 支持多种文件格式
4. **数据查看受限** → 完整的数据浏览和筛选功能

### 新增功能
- Web界面交互
- 实时数据筛选
- 多种图表类型
- 数据处理工具
- 统计分析面板
- 数据导出功能

## 📈 扩展建议

未来可以考虑添加的功能:
- 数据库连接支持
- 更多图表类型
- 机器学习模型集成
- 报告生成功能
- 多用户协作
- 数据版本管理