PyGWalker：把 pandas DataFrame 变成交互式可视化界面

Kanaries 团队开源的 PyGWalker 已经获得了 15,826 个 Star。

PyGWalker 是一个 Python 库，作用是将 pandas DataFrame 转换为交互式可视化界面。名字来源于 “Python binding of Graphic Walker”，后者是 Tableau 的开源替代方案。

在 Jupyter Notebook 中，用户只需两行代码即可调用：

import pygwalker as pyg
walker = pyg.walk(df)

调用后会弹出一个交互式界面。左侧是数据字段列表，中间是画布区域。用户通过拖拽字段到行、列、颜色等通道来构建图表。界面会根据字段类型自动推荐合适的图表形式，用户也可以手动切换为其他类型，包括柱状图、折线图、散点图、面积图等。

数据操作功能被整合进同一个界面。用户可以筛选数据子集，对数值进行聚合计算，创建新的计算字段。数据表格组件提供了数据分布的快速预览，支持按字段排序和类型转换。

PyGWalker 也支持自然语言查询，用户可以用文字描述想要的分析需求，系统会自动生成对应的可视化。

对于大数据集，PyGWalker 提供了 kernel_computation 参数，启用后会使用 DuckDB 作为计算引擎，支持在本地处理最大 100GB 的数据。

PyGWalker 的 spec 参数用于加载和保存图表配置，支持传入 JSON 字符串或文件路径。appearance 参数可以设置界面主题，支持浅色、深色或跟随系统。theme_key 参数则控制图表渲染引擎，可选 vega 或 g2。

图表配置可以保存为 JSON 文件，下次加载时直接恢复。编辑完成后，支持程序化导出为 PNG 或 SVG 格式：

walker.save_chart_to_file("Chart 1", "chart1.svg", save_type="svg")
png_bytes = walker.export_chart_png("Chart 1")

PyGWalker 兼容多种运行环境：

• Jupyter Notebook 和 JupyterLab
• Google Colab 和 Kaggle Notebook
• VS Code 的 Jupyter 扩展
• Streamlit 应用
• Databricks Notebook
• Panel 和 marimo

在 Streamlit 中集成需要引入 StreamlitRenderer，并通过 @st.cache_resource 装饰器缓存渲染器以避免内存问题。

安装方式：

pip install pygwalker

conda 用户可以通过 conda-forge 安装：

conda install -c conda-forge pygwalker

隐私方面，PyGWalker 提供了三级配置：offline 模式完全离线，不发送任何数据；update-only 仅检查版本更新；events 模式会收集功能使用数据用于产品优化，但不包含用户的分析数据。

PyGWalker 的 README 提供了 Kaggle 和 Google Colab 的在线演示链接，用户可以在不安装的情况下直接体验功能。PyGWalker 的核心理念是减少数据探索过程中的代码量，让分析师把精力放在数据本身。

以在不安装的情况下直接体验功能。PyGWalker 的核心理念是减少数据探索过程中的代码量，让分析师把精力放在数据本身。