如何實(shí)現(xiàn)Pandas的DataFrame轉(zhuǎn)換交互式表格

Pandas是我們?nèi)粘Ｌ幚肀砀駭?shù)據(jù)最常用的包，但是對(duì)于數(shù)據(jù)分析來說，Pandas的DataFrame還不夠直觀，所以今天我們將介紹4個(gè)和Pandas相關(guān)的Python包，可以將Pandas的DataFrame轉(zhuǎn)換交+互式表格，讓我們可以直接在上面進(jìn)行數(shù)據(jù)分析的操作。

Pivottablejs

Pivottablejs是一個(gè)通過IPython widgets集成到Python中的JavaScript庫，允許用戶直接從DataFrame數(shù)據(jù)創(chuàng)建交互式和靈活的匯總報(bào)表?？梢赃M(jìn)行高效、清晰的數(shù)據(jù)分析和表示，幫助將數(shù)據(jù)從Pandas DataFrame轉(zhuǎn)換為易于觀察的交互式數(shù)據(jù)透視表。

pivot_ui函數(shù)可以自動(dòng)從DataFrame生成交互式用戶界面，使用戶可以簡單地修改，檢查聚合項(xiàng)，并快速輕松地更改數(shù)據(jù)結(jié)構(gòu)。

!pipinstallpivottablejs

frompivottablejsimportpivot_ui
importpandasaspd

data=pd.read_csv("D:Datacompany_unicorn.csv")
data["Year"]=pd.to_datetime(data["DateJoined"]).dt.year
pivot_ui(data)

如下圖所示，我們可以直接在notebook中對(duì)DataFrame進(jìn)行篩選，生成圖表

我們還可以快速生成數(shù)據(jù)透視表

Pygwalker

PyGWalker可以把DataFrame變成一個(gè)表格風(fēng)格的用戶界面，讓我們直觀有效地探索數(shù)據(jù)。

這個(gè)包的用戶界面對(duì)Tableau用戶來說很熟悉，如果你用過Tableau那么上手起來就很容易

!pipinstallpygwalker

importpygwalkeraspyw
walker=pyw.walk(data)

通過一些簡單的拖拽，可以進(jìn)行篩選和可視化，這是非常方便的。

Qgrid

除了PyGWalker之外，Qgrid也是一個(gè)很好的工具，它可以很容易地將DataFrame架轉(zhuǎn)換為視覺上直觀的交互式數(shù)據(jù)表。

importqgrid
qgridframe=qgrid.show_grid(data,show_toolbar=True)
qgridframe

我們還可以直接在表上添加、刪除數(shù)據(jù)。

與上面提到的qgrid包一樣，Itables提供了一個(gè)簡單的接口?？梢赃M(jìn)行簡單的操作，如過濾、搜索、排序等。

fromitablesimportinit_notebook_mode,show
init_notebook_mode(all_interactive=False)

show(data)

tables和Qgrid包對(duì)于快速查看數(shù)據(jù)模式是必要的。然而，如果我們想要進(jìn)一步理解數(shù)據(jù)并進(jìn)行數(shù)據(jù)轉(zhuǎn)換，它們的特征是不夠的。因此，在獲得更復(fù)雜的見解的情況下，使用透視表js和Pygwalker是可取的。

總結(jié)

上面的這些包可以在Jupyter Notebook中將dataframe轉(zhuǎn)換為交互式表。

Itables 和Qgrid比較輕量，可以讓我們快速的查看數(shù)據(jù)，但是如果你想進(jìn)行更多的操作，例如生成一些簡單的可視化圖表，那么Pivottablejs和Pygwalker是一個(gè)很好的工具。

審核編輯：黃飛