描述性统计自动报告

项目概述

本工具通过命令行自动分析 CSV 格式的数据集，生成包含基础统计量、数据类型分布和缺失值情况的标准化报告。

核心功能

1. 全自动分析：一键生成数值型和非数值型变量的统计摘要
2. 多维洞察：
   • 基础统计量（均值/标准差/分位数等）
   • 数据类型分布检测
   • 缺失值定位与计数
3. 标准化输出：机器可读的 JSON 格式结果

使用场景

• 数据探索阶段快速了解数据集特征
• 自动化数据质量检查流程
• 机器学习项目前的特征初步分析

依赖要求

• Python 3.8+
• pandas >= 1.5.0

运行示例

python main.py your_dataset.csv

结果展示说明

输入示例

当用户执行以下命令时：

python main.py sales_data.csv

其中 sales_data.csv 包含以下结构：
| date | product_id | sales_amount | region |
|------------|------------|--------------|--------|
| 2025-01-01 | P1001 | 299.99 | North |
| 2025-01-02 | P1002 | 159.50 | South |
| ... | ... | ... | ... |

输出内容

系统将返回如下 JSON 格式结果：

{
  "file_info": {
    "rows": 1000,
    "columns": ["date", "product_id", "sales_amount", "region"],
    "dtypes": {
      "date": "object",
      "product_id": "object",
      "sales_amount": "float64",
      "region": "object"
    }
  },
  "statistics": {
    "sales_amount": {
      "count": 998,
      "mean": 245.78,
      "std": 89.32,
      "min": 10.00,
      "25%": 120.50,
      "50%": 230.00,
      "75%": 350.25,
      "max": 999.99
    },
    "region": {
      "count": 1000,
      "unique": 4,
      "top": "North",
      "freq": 320
    }
  },
  "missing_values": {
    "date": 0,
    "product_id": 0,
    "sales_amount": 2,
    "region": 0
  }
}

输出说明

1. file_info 部分：

   • 显示总行数（含缺失值）
   • 列出所有列名
   • 标注每列的数据类型

2. statistics 部分：

   • 数值列：展示计数、均值、标准差、最小值、四分位数和最大值
   • 分类列：展示唯一值数量、最常见类别及其出现频次

3. missing_values 部分：

   • 精确统计每列的缺失值数量
   • 帮助快速定位数据质量问题