常见原因是输入非DataFrame或列名异常；需确保df1、df2均为pandas.DataFrame，列名有效且无重复，单列提取用[[]]而非[]，避免直接传入转置结果。

为什么 sweetviz.compare() 报错说“not iterable”

常见原因是传入的两个数据集里有列名重复、或其中一个是 pandas.Series 而非 DataFrame。Sweetviz 严格要求输入必须是两个 DataFrame，且列结构要可比（比如不能一个有 10 列，另一个只有索引列）。

• 检查类型：type(df1) 和 type(df2) 必须都是 pandas.core.frame.DataFrame
• 确保列名不为空或全为 None：df1.columns.tolist() 应返回正常字符串列表
• 如果用 df[['col']] 提取单列，它返回的是 Series，得写成 df[['col']].copy() 或加一对方括号强制转 DataFrame
• 避免用 df.T 后直接传入——转置后索引变列名，常导致列名含 int 或 float，Sweetviz 不认

怎么让 sweetviz.compare() 快一点又不丢关键信息

Sweetviz 默认对所有数值列做分布拟合、对所有类别列算频率表，数据一过万行就明显卡顿。它不是为大数据设计的，而是快速探查小到中等规模（

• 提前采样：df1_sample = df1.sample(n=5000, random_state=42)，再传给 sweetviz.compare()
• 用 feat_cfg 关掉耗时项：比如 feat_cfg = sweetviz.FeatureConfig(skip="col_to_ignore")，或设 force_num/force_cat 显式指定类型，避免自动推断出错
• 别开 pairwise_analysis（默认 "auto"），大数据下设为 "off"，否则会尝试算所有数值列两两相关性，O(n²) 级别爆炸
• 输出 HTML 文件体积大？加 layout="vertical" 减少横向滚动，加载更稳

对比报告里 “Target” 列没高亮或根本没出现

sweetviz.compare() 不会自动识别哪列是目标变量；它只做无监督对比。所谓“Target” 是你手动指定的——这一步漏了，整个差异分析就失去焦点。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 必须显式传 target_feat="is_churn"（假设你的标签列叫 is_churn）
• 该列必须在两个 DataFrame 中都存在，且 dtype 一致（比如不能一个存 True/False，另一个存 1/0）
• 如果目标列是字符串（如 "high"/"low"），确保没空格或隐藏字符：df1["target"].str.strip().nunique() 检查真实类别数
• 指定后，报告里对应列会多出“Target Distribution”和“Predictive Power Score”两块，这才是对比的核心落点

生成的 HTML 打不开或样式错乱

不是代码问题，大概率是浏览器或路径惹的祸。Sweetviz 生成的是自包含 HTML（内联 CSS/JS），但依赖本地文件协议限制和编码一致性。

立即学习“Python免费学习笔记（深入）”；

• 别双击直接打开：用 Python 启一个最小服务器，比如 python -m http.server 8000，然后访问 http://localhost:8000/report.html
• 路径含中文或空格？重命名目录为纯英文，比如 ./reports/，再调用 report.show_html("reports/compare.html")
• 用 VS Code 预览插件打开？部分插件不支持内联 JS，换 Chrome/Firefox 直接打开
• 报告里图表显示“Loading…”不动？关掉广告屏蔽插件（如 uBlock Origin），它可能误杀 Sweetviz 自带的 Plotly 脚本

事情说清了就结束。最常被跳过的其实是 target_feat 参数和输入类型校验——这两步省了，后面所有可视化都只是表面热闹。