Mito — интерфейс электронных таблиц для Python.
Mito — это интерфейс для создания электронных таблиц на Python. Это означает, что вы можете добавить Mito в свои проекты Python, и каждое изменение, которое вы делаете в электронной таблице Mito, будет генерировать эквивалент Python в ячейке кода . Mito — это способ расширить свои возможности на Python. Создание таблицы в Mito занимает 7 секунд — написание кода Pandas для такой таблицы может занять несколько минут, если вам нужно погуглить синтаксис.Пример синтаксиса ;
Чтобы установить Mito, выполните следующие команды:
python -m pip install mitoinstaller
python -m mitoinstaller install
Затем откройте Jupyter Lab и вызовите Mitosheet:
import mitosheet
mitosheet.sheet()
Вот полная инструкция по установке: https://docs.trymito.io/getting-started/installing-mito
Вот пример кода для генерации сводной таблицы:
# Pivoted Airport_Pets_csv into df2
unused_columns = Airport_Pets_csv.columns.difference(set(['Zip']).union(set(['Division'])).union(set({'Zip'})))
tmp_df = Airport_Pets_csv.drop(unused_columns, axis=1)
pivot_table = tmp_df.pivot_table(
index=['Zip'],
columns=['Division'],
values=['Zip'],
aggfunc={'Zip': ['median']}
)
Mito также позволяет создавать интерактивные диаграммы, которые генерируют этот код.
в Mito встроены диаграммы Plotly для визуализации. Plotly — отличный пакет для создания интерактивных диаграмм.
В Мито предлагается :
- фильтрация
- слияние
- сортировка
- сводные статистические данные
- макросы
- заполнение нулевых значений
- формулы
и еще много других функций!
2. Lux
Lux — автоматическая генерация диаграммы
Lux позволяет вам передавать любой в DataFrame и автоматически генерировать связанные диаграммы, всего лишь щелкнув по ним — это невероятно быстрый способ создания интерактивных диаграмм.
Чтобы установить Lux:
pip install lux-ap
.
Lux также имеет функцию , которая , которая будет предлагать диаграммы только для определенных столбцов, которые вы укажете.
df.intent = ["Column1","Column2"]
df
Bokeh — библиотека для создание интерактивных визуализаций на Python
Чтобы начать использовать Bokeh :
import numpy as np from bokeh.io import output_notebook, show
from bokeh.plotting import figure
Вот некоторые из вариантов, которые можно создать с Bokeh:
Все эти три эти инструмента упрощают создание красивых ,интерактивных диаграмм для хардкорных специалистов по данным. Каждый из этих инструментов ускоряет анализ данных на Python даже для очень сильных специалистов по данным.
