Wykorzystanie Pythona stale rośnie w różnych branżach. Jednym z powodów jest rosnąca potrzeba analizowania dużych zbiorów danych. Wielu nowych użytkowników Pythona wywodzi się z arkuszy kalkulacyjnych i odkrywa, że ​​chociaż Python może szybciej obsługiwać znacznie większe zestawy danych, brakuje im wizualnej natury arkusza kalkulacyjnego, który był dla nich dostępny w Excelu lub Arkuszach Google.

Mito to pakiet Pythona, który wnosi zalety arkusza kalkulacyjnego do Pythona. Ten pakiet umożliwia wywołanie arkusza kalkulacyjnego w środowisku Pythona, w którym możesz przekazać go w ramce DataFrame lub pliku Excel — każda zmiana dokonana w arkuszu kalkulacyjnym automatycznie zapisuje odpowiedni kod Pythona.

Jedną z wielkich zalet automatycznego generowania kodu jest to, że nie musisz spędzać dużo czasu na przechodzeniu do Stack Overflow lub Google, aby uzyskać odpowiednią składnię. Wystarczy, że wykonasz operację w arkuszu kalkulacyjnym, a kod zostanie napisany za Ciebie.

Aby zainstalować Mito, użyj tych poleceń w swoim terminalu:

python -m pip install mitoinstaller
python -m mitoinstaller install

import mitosheet
mitosheet.sheet()

Eksplorowanie swoich danych

Jedną z rzeczy, które interfejs arkusza kalkulacyjnego upraszcza w Pythonie, jest eksploracyjna analiza danych. Mito oferuje funkcje, które są niestandardowe w arkuszu kalkulacyjnym, ale przenosi je do środowiska Pythona i generuje równoważny kod.

Możesz przenieść swoje dane do Mito na jeden z dwóch sposobów. Pierwszym z nich jest przekazanie istniejącej ramki DataFrame przez dodanie tej ramki DataFrame do wywołania mitosheet.sheet() .

Oto przykład przekazywania niektórych przykładowych ramek DataFrames do Mito:

# import Python packages
import mitosheet
import pandas as pd
# create some simple data to display
train_stations = pd.DataFrame({'Zip': [21001, 97321, 49224, 87102, 24910, 22301], 'City': ['Aberdeen', 'Albany', 'Albion', 'Albuquerque', 'Alderson', 'Alexandria'], 'State': ['MD', 'OR', 'MI', 'NM', 'WV', 'VA'], 'Ticket_Office': ['N', 'Y', 'N', 'Y', 'N', 'Y']})
demographics = pd.DataFrame({'Zip': [21001, 97321, 49224, 87102, 24910, 22301], 'Median_Income': [53979.0, 112924.0, 37556.0, 28388.0, 30914.0, 54087.0], 'Mean_Income': [66169.0, 147076.0, 50371.0, 39529.0, 40028.0, 64068.0], 'Pop': [18974.0, 11162.0, 14900.0, 22204.0, 5383.0, 19504.0]})
# render the Mitosheet with the data
mitosheet.sheet(train_stations, demographics)

Gdy zestaw danych znajdzie się w Mito, funkcje takie jak:

• Statystyki podsumowujące
• Filtry
• Sortuje
• Tabele przestawne
• Wzory arkuszy kalkulacyjnych

Jedną z prostych funkcji, na którą warto zwrócić uwagę, jest to, że w Mito możesz zmienić dowolną wartość w swoim zbiorze danych , edytując komórkę — tak jak w arkuszu kalkulacyjnym. Funkcje takie jak ta dają możliwość wizualnej analizy i edycji danych, co poprawia wrażenia z Pythona.

Wizualizuj swoje dane

Mito ma możliwości tworzenia wykresów z pakietu Plotly Python wbudowanego w narzędzie. Klikając przycisk wykresów na pasku narzędzi, możesz utworzyć kompletne wykresy Plotly i wygenerować odpowiedni kod dla tego wykresu.

Wykresy kreślone są doskonałe do analizy w Pythonie, ponieważ można je udostępniać i mają interaktywne funkcje, dzięki czemu są gotowe do interakcji z odbiorcami technicznymi i nietechnicznymi.

W Mito możesz skonfigurować swój wykres w menu i wyeksportować odpowiedni kod. To ogromna oszczędność czasu, ponieważ uzyskanie właściwej składni kodu graficznego może być notorycznie nużące w Pythonie.

Wniosek

To było krótkie wprowadzenie do niesamowitego pakietu Mito. Czy wiesz, że Mito jest również oprogramowaniem typu open source? Możesz sprawdzić Github tutaj .

Aby dowiedzieć się więcej na ten temat, zobacz moje inne historie o Mito .

Czy jesteś wzrokowcem? Oto przewodnik wideo po wykresach w Mito.