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。
- 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
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。 
