在日常数据处理中,Pandas 是我们最常用的工具之一。然而,对于数据分析来说,Pandas 的 DataFrame 在可视化方面可能不够直观。为此,我们将介绍四个与 Pandas 相关的 Python 包,它们可以将 Pandas 的 DataFrame 转换为交互式表格,使我们能够直接在其中进行数据分析操作。
1. Pivottablejs
Pivottablejs 是一个强大的 JavaScript 库,通过 IPython widgets 集成到 Python 中,可以直接从 DataFrame 数据创建交互式和灵活的汇总报表。它能够高效、清晰地展示数据,帮助将 Pandas DataFrame 转换为易于观察的交互式数据透视表。
通过 pivot_ui
函数,我们可以轻松地在 Notebook 中对 DataFrame 进行筛选和生成图表。
<code>!pip install pivottablejs from pivottablejs import pivot_ui import pandas as pd data = pd.read_csv("D:\Data\company_unicorn.csv") data["Year"] = pd.to_datetime(data["Date Joined"]).dt.year pivot_ui(data)</code>
2. Pygwalker
Pygwalker 可以将 DataFrame 转换为表格风格的用户界面,使我们能够直观有效地探索数据。
其用户界面对 Tableau 用户来说非常熟悉,上手起来相对容易。通过简单的拖拽,我们可以进行筛选和可视化操作。
<code>!pip install pygwalker import pygwalker as pyw walker = pyw.walk(data)</code>
3. Qgrid
Qgrid 是另一个强大的工具,可以将 DataFrame 转换为直观的交互式数据表。它允许在表格上直接添加、删除数据,并提供了丰富的筛选、搜索、排序等功能。
<code>import qgrid qgridframe = qgrid.show_grid(data, show_toolbar=True) qgridframe</code>
4. Itables
Itables 提供了一个简单的接口,可以将 DataFrame 转换为交互式数据表。它允许进行过滤、搜索、排序等操作。
<code>from itables import init_notebook_mode, show init_notebook_mode(all_interactive=False) show(data)</code>
总结来说,这些工具能够让我们更加方便地进行数据分析和可视化,让数据处理变得事半功倍。
暂无评论内容