Pandas是我们日常处理表格数据最常用的包,但是对于数据分析来说,Pandas的DataFrame还不够直观,所以今天我们将介绍4个Python/ target=_blank class=infotextkey>Python包,可以将Pandas的DataFrame转换交互式表格,让我们可以直接在上面进行数据分析的操作。
Pivottablejs是一个通过IPython widgets集成到Python中的JAVAScript库,允许用户直接从DataFrame数据创建交互式和灵活的汇总报表。可以进行高效、清晰的数据分析和表示,帮助将数据从Pandas DataFrame转换为易于观察的交互式数据透视表。
pivot_ui函数可以自动从DataFrame生成交互式用户界面,使用户可以简单地修改,检查聚合项,并快速轻松地更改数据结构。
!pip install pivottablejs
from pivottablejs import pivot_ui
import pandas as pd
data = pd.read_csv("D:Datacompany_unicorn.csv")
data["Year"] = pd.to_datetime(data["Date Joined"]).dt.year
pivot_ui(data)
如下图所示,我们可以直接在notebook中对DataFrame进行筛选,生成图表
我们还可以快速生成数据透视表
PyGWalker可以把DataFrame变成一个表格风格的用户界面,让我们直观有效地探索数据。
这个包的用户界面对Tableau用户来说很熟悉,如果你用过Tableau那么上手起来就很容易
!pip install pygwalker
import pygwalker as pyw
walker = pyw.walk(data)
img
通过一些简单的拖拽,可以进行筛选和可视化,这是非常方便的
除了PyGWalker之外,Qgrid也是一个很好的工具,它可以很容易地将DataFrame架转换为视觉上直观的交互式数据表。
import qgrid
qgridframe = qgrid.show_grid(data, show_toolbar=True)
qgridframe
我们还可以直接在表上添加、删除数据
与上面提到的qgrid包一样,Itables提供了一个简单的接口。可以进行简单的操作,如过滤、搜索、排序等。
from itables import init_notebook_mode, show
init_notebook_mode(all_interactive=False)
show(data)
tables和Qgrid包对于快速查看数据模式是必要的。然而,如果我们想要进一步理解数据并进行数据转换,它们的特征是不够的。因此,在获得更复杂的见解的情况下,使用透视表js和Pygwalker是可取的。
上面的这些包可以在Jupyter Notebook中将dataframe转换为交互式表。
Itables 和Qgrid比较轻量,可以让我们快速的查看数据,但是如果你想进行更多的操作,例如生成一些简单的可视化图表,那么Pivottablejs和Pygwalker是一个很好的工具。
作者:Chi Nguyen