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 Pivottablejs是一个通过IPythonwidgets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PandasDataFrame转换为易于观察的交互式数据透视表。 点击加载图片 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。 复制 !pipinstallpivottablejsfrompivottablejsimportpivot_uiimportpandasaspddata=pd.read_csv('D:\Data\company_unicorn.csv')data['Year']=pd.to_datetime(data['DateJoined']).dt.yearpivot_ui(data)·1.·2.·3.·4.·5.·6.·7.·8. 如下图所示,我们可以直接在notebook中对DataFrame进行筛选,生成图表: 点击加载图片 我们还可以快速生成数据透视表: 点击加载图片 Pygwalker 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。 点击加载图片 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。 复制 !pipinstallpygwalkerimportpygwalkeraspywwalker=pyw.walk(data)·1.·2.·3.·4. 点击加载图片 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。 Qgrid 点击加载图片 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。 复制 importqgridqgridframe=qgrid.show_grid(data,show_toolbar=True)qgridframe·1.·2.·3. 点击加载图片 我们还可以直接在表上添加、删除数据。 Itables 点击加载图片 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。 复制 fromitablesimportinit_notebook_mode,showinit_notebook_mode(all_interactive=False)show(data)·1.·2.·3.·4. 点击加载图片 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。 总结 上面的这些包可以在JupyterNotebook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。 |
|