Sweetviz 是一个面向 pandas DataFrame 的自动化探索性数据分析（EDA）工具，主要能力是生成可分享、可交互的 HTML 分析报告，并内置数据集对比与目标变量分析。
用途与主要能力
Sweetviz 的核心用法围绕四类分析场景展开：
一是单数据集基础分析。通过 sv.analyze(df) 对单个 DataFrame 生成完整 EDA 报告，可用 show_html 保存为 HTML 文件，或使用 show_notebook 在 Notebook 中展示并自动打开浏览器。可传入 pairwise_analysis="auto"、"on" 或 "off" 控制成对相关性分析。
二是目标变量分析。在 sv.analyze 中指定 target_feat 参数，可以查看每个特征与目标变量之间的关系，资料展示了二分类、连续型（回归）和多分类目标变量的用法。
三是数据集对比。通过 sv.compare 比较两个数据集，适用于训练集与测试集对比、清洗前后对比、开发数据与生产数据对比（可用于观察数据漂移）。source 和 compare 参数接受 [数据, 名称] 形式的列表，并可同时指定 target_feat。
四是集合内对比。通过 sv.compare_intra 在同一数据集内按条件划分子群体进行对比，条件是传入一个布尔 Series，例如按客户类型、收入中位数或年龄段划分，并可通过 names 参数为两组命名。
特征配置方面，可使用 sv.FeatureConfig 指定 skip（跳过列，如 ID 或 PII 列）、force_cat（强制作为分类变量）、force_num（强制作为数值变量）。
使用方式与安装
基础安装：pip install sweetviz
使用 uv 安装：uv pip install sweetviz pandas numpy
带 Jupyter 支持：pip install sweetviz pandas numpy jupyter
验证安装：python -c "import sweetviz as sv; print(f'Sweetviz version: {sv.version}')"
系统要求
Python 3.6 或更高版本；pandas 0.25.3 或更高版本；依赖 numpy 与 matplotlib（用于内部绘图）；查看 HTML 报告需要现代网页浏览器。
适用场景
资料列出适合使用 Sweetviz 的场景包括：数据集对比（训练集与测试集、前后对比或任意两个数据集）；目标变量分析；一行代码快速生成完整 EDA 报告；特征对比；生成可分享的交互式 HTML 报告；集合内子群体分析；数据验证（检查数据集之间的数据漂移）；特征选择（识别对建模重要的特征）。
限制与不适用场景
资料明确列出不宜使用 Sweetviz 的情况：行数超过 100 万的大型数据集（建议抽样）；流式数据（需要实时分析）；需要 p 值和假设检验的深度统计检验；有特定图表要求的自定义可视化；交互式仪表盘（建议改用 Streamlit 或 Dash）；文本/NLP 分析（建议使用专门的 NLP 工具）。
资料中未提及 Sweetviz 的收费模式、价格、具体平台限制或报告性能指标。