加載一個Jupyter插件后，無需寫代碼就能做數據分析，還幫你生成相應代碼？

沒錯，只需要加載這個名為Mito的小工具包，用Python做數據分析，變得和用Excel一樣簡單：

以 Excel 為代表的電子表格是探索數據集的最重要、最具適應性的方式之一。它可以幫助對數據類型進行必要的更改、創建新特征、對數據進行排序以及從現有特征中創建新特征。

遵循以上相同的思路，Mito是一個Jupyter-Lab擴展和Python庫，它使得在支持GUI的電子表格環境中操作數據變得超級容易。

Mito的出現，像是將Python的強大功能、和Excel的易用性進行了結合。

只需要掌握Excel的用法，就能使用Python的數據分析功能，還能將寫出來的代碼“打包帶走”。

它彌補了Excel在數據分析上的幾個缺陷：

• Excel無法做大數據分析（大型數據集處理得不好）
• Excel運行緩慢
• Excel無法輕松創建可重復流程

同時，又比SQL和Python更簡單、直觀。畢竟這些專業工具對于0基礎初學者來說，需要至少幾年時間，才能完全上手。

在本文中，我們將一起學習:

如何合理設置Mito

如何debug安裝錯誤

使用 Mito 提供的各種功能

該庫如何為對數據集所做的所有操作生成 Python 等效代碼

安裝Mito

Mito 是一個 Python 庫，可以通過 pip 包管理器安裝。它需要 Python 3.6 及以上版本。此外，系統上需要安裝 Nodejs，一個 JavaScript 運行時環境。

另外，可以在單獨的環境（虛擬環境）中安裝這個包，可以避免一些依賴錯誤。接下來在終端中運行這些命令，完成安裝即可。

1. 創建環境

我正在使用 Conda 創建一個新環境。你還可以使用 Python 的“venv”來創建虛擬環境。

conda create -n mitoenv python=3.8

2. 激活環境

conda activate mitoenv

3. 通過pip安裝Mito

pip install mitoinstaller

4. 運行 Mito 安裝程序

python -m mitoinstaller install

此過程將需要一段時間來安裝和設置 Mito。

5. 啟動 Jupyter Lab

jupyter lab

報錯解決

當啟動 Jupyter Lab時，可能會遇到如下錯誤：

. File "c:userslenovoanaconda3envsmitoenvlibsite-packagesjupyter_corepaths.py", line 387, in win32_restrict_file_to_userimport win32api ImportError: DLL load failed while importing win32api: The specified module could not be found.

要修復此錯誤，只需運行以下命令：

pip install --upgrade pywin32==225

如果你遇到其他困難，請隨時在下面發表評論。我很樂意提供幫助。

MitoSheets 界面

在 Jupyter Lab中，創建一個新筆記本并初始化 Mitosheet：

import mitosheet mitosheet.sheet()

第一次，系統會提示輸入你的電子郵件地址進行注冊：

填寫完基礎知識后，將被重定向到 GUI 電子表格。接下來我們一起看看這個接口的所有特性，并一起學習如何生成 Python 等效代碼。

加載數據集

要在 MitoSheets 中加載數據集，只需單擊導入。有兩個選擇：

從當前文件夾添加文件：這將列出當前目錄中的所有 CSV 文件，可以從下拉菜單中選擇文件。
按文件路徑添加文件：這將僅添加該特定文件。
如下圖所示

如果你看下面的單元格，你會發現Python等效的代碼導入一個數據集使用pandas已經生成了適當的注釋!

這就是 Mito 的魅力，你在 Mitosheet 中執行的每個操作都將轉換為 Python 等效代碼！接下來我們一起詳細探討一下 Mito 的所有功能。

添加和刪除列

添加列

就像在 Excel 等電子表格中一樣，你可以添加一個新列，該列可能是從現有列或特征創建的。要在 Mito 中執行此操作，只需單擊“Add Col”按鈕。該列將添加到當前選定的列旁邊。最初，列名將是一個字母表，列的所有值都為零。

編輯新列的內容

單擊新列名稱（分配的字母表）

將彈出側邊欄菜單，你可以在其中編輯列的名稱。

要更新該列的內容，請單擊該列的任何單元格，然后輸入值。你可以輸入一個常量值，也可以根據數據集的現有特征創建值。如果要從現有列創建值，則直接使用要執行的運算符調用列名。

新列的數據類型根據分配的值進行更改。

下面的 GIF 演示了上面提到的所有內容：

刪除列

通過單擊選擇任何列。

單擊“Del Col”，該特定列將從數據集中刪除。

Python代碼

在下一個單元格中生成帶有正確注釋的 Python 等效代碼，用于執行的操作是：

# MITO CODE START (DO NOT EDIT) from mitosheet import * # Import necessary functions from Mito register_analysis('UUID-7bf77d26-84f4-48ed-b389-3f7a3b729753') # Let Mito know which analysis is being run # Imported edxCourses.csv import pandas as pd edxCourses_csv = pd.read_csv('edxCourses.csv') # Added column H to edxCourses_csv edxCourses_csv.insert(7, 'H', 0) # Renamed H to newCol in edxCourses_csv edxCourses_csv.rename(columns={"H": "newCol"}, inplace=True) # Set newCol in edxCourses_csv to =coursePrice + courseEnrollments edxCourses_csv['newCol'] = edxCourses_csv['coursePrice'] + edxCourses_csv['courseEnrollments'] # Deleted column newCol from edxCourses_csv edxCourses_csv.drop('newCol', axis=1, inplace=True) # MITO CODE END (DO NOT EDIT)

創建數據透視表

數據透視表是一個重要的 excel 功能，它根據另一個分類特征匯總數字變量。要使用 Mito 創建這樣的表，

單擊“Pivot”并選擇源數據集（默認加載 CSV）

選擇數據透視表的行、列和值列。還可以為值列選擇聚合函數。所有下拉選項，如求和、平均值、中值、最小值、最大值、計數和標準偏差都可用。

選擇所有必要的字段后，將獲得一個單獨的表，其中包含數據透視表的實現。

下面的 GIF 演示了如何為聚合函數“均值”創建數據透視表：

Python代碼

# MITO CODE START (DO NOT EDIT) from mitosheet import * # Import necessary functions from Mito register_analysis('UUID-a35246c0-e0dc-436b-8667-076d4f08e0c1') # Let Mito know which analysis is being run # Imported edxCourses.csv import pandas as pd edxCourses_csv = pd.read_csv('edxCourses.csv') # Pivoted edxCourses_csv into df2 pivot_table = edxCourses_csv.pivot_table(index=['courseOrganization'],values=['coursePrice'],aggfunc={'coursePrice': 'mean'} ) # Reset the column name and the indexes df2 = pivot_table.rename_axis(None, axis=1).reset_index() # MITO CODE END (DO NOT EDIT)

合并兩個數據集

合并數據集是數據科學項目的重要組成部分。通常，數據集被劃分到不同的表格中，以增加信息的可訪問性和可讀性。合并 Mitosheets 很容易。

單擊“Merge”并選擇數據源。

需要指定要對其進行合并的鍵。

也可以從數據源中選擇合并后要保留的列。默認情況下，所有列都將保留在合并的數據集中。

Python代碼

# MITO CODE START (DO NOT EDIT) from mitosheet import * # Import necessary functions from Mito register_analysis('UUID-88ac4a92-062f-4ed8-a55d-729394975740') # Let Mito know which analysis is being run # Imported Airport-Pets.csv, Zipcode-Data.csv import pandas as pd Airport_Pets_csv = pd.read_csv('Airport-Pets.csv') Zipcode_Data_csv = pd.read_csv('Zipcode-Data.csv') # Merged Airport_Pets_csv and Zipcode_Data_csv temp_df = Zipcode_Data_csv.drop_duplicates(subset='Zip') Airport_Pets_csv_tmp = Airport_Pets_csv.drop(['State', 'Division'], axis=1) Zipcode_Data_csv_tmp = temp_df.drop(['Mean_Income', 'Pop'], axis=1) df3 = Airport_Pets_csv_tmp.merge(Zipcode_Data_csv_tmp, left_on=['Zip'], right_on=['Zip'], how='left', suffixes=['_Airport_Pets_csv', '_Zipcode_Data_csv']) # MITO CODE END (DO NOT EDIT)

修改列數據類型、排序和過濾

你可以更改現有列的數據類型，按升序或降序對列進行排序，或通過邊界條件過濾它們。在 Mito 中的這些都很簡單，可以通過選擇屏幕上的選項通過GUI本身完成。

單擊所需的列

將看到一個數據類型列表。可以根據需要從下拉列表中選擇任何數據類型，該數據類型將應用于整個列。

接下來可以通過選擇提供的選項按升序或降序對數據進行排序。

還可以使用自定義過濾器過濾數據。

Python代碼

# MITO CODE START (DO NOT EDIT) from mitosheet import * # Import necessary functions from Mito register_analysis('UUID-cc414267-d9aa-4017-8890-ee3b7461c15b') # Let Mito know which analysis is being run # Imported edxCourses.csv import pandas as pd edxCourses_csv = pd.read_csv('edxCourses.csv') # Changed coursePrice from int64 to float edxCourses_csv['coursePrice'] = edxCourses_csv['coursePrice'].astype('float') # Sorted coursePrice in edxCourses_csv in descending order edxCourses_csv = edxCourses_csv.sort_values(by='coursePrice', ascending=False, na_position='first') edxCourses_csv = edxCourses_csv.reset_index(drop=True) # Filtered coursePrice in edxCourses_csv edxCourses_csv = edxCourses_csv[edxCourses_csv['coursePrice'] >= 500] edxCourses_csv = edxCourses_csv.reset_index(drop=True) # MITO CODE END (DO NOT EDIT)

圖表和統計數據生成

還可以直接在此擴展中生成圖形，而無需編寫繪圖邏輯。默認情況下，此擴展生成的所有圖都是使用 Plotly 制作的。這意味著繪圖是交互式的，可以即時修改。

注意，這里并沒有像操作列一樣，在下一個單元格中生成圖形代碼（也許開發人員會在以后的更新中推送此代碼）

可以使用 Mito 生成兩種類型的圖：

1. 通過點擊圖表按鈕

你將看到一個側邊欄菜單，用于選擇圖形類型和要選擇的相應軸。

2. 通過點擊列名

當你點擊電子表格中的列名稱時，可以看見過濾器和排序選項。但如果你導航到“Summary Stats”，則會根據變量的類型顯示線圖或條形圖以及變量的摘要。此摘要更改為文本和沒有文本變量。

保存和回放

對數據集所做的所有轉換都可以保存并用于其他類似的數據集。這在 Excel 中采用宏或 VBA 的形式。也可以通過這些功能完成相同的操作。

文件是以Python編寫的，而不是用比較難懂的VBA。

回溯執行的所有步驟

要想重復上面的步驟的話，也非常容易，Mito自帶“重復已保存分析步驟”功能，一鍵就能用同樣的方法分析其他數據。這個功能是最有趣的。你實際上可以追蹤在Mitosheet 中應用的所有轉換。所有操作的列表都帶有適當的標題。

此外，你可以查看該特定步驟！這意味著假設你更改了一些列，然后刪除了它們。你可以退回到未刪除的時間。

寫在最后

新工具“Mito”，用于在 Python 環境中實現類似電子表格的功能，并為所做的每一步生成等效操作的 Python 代碼。

關于Python學習資料：

在學習python中有任何困難不懂的可以微信掃描下方CSDN官方認證二維碼加入python交流學習
多多交流問題，互幫互助，這里有不錯的學習教程和開發工具。
（python兼職資源+python全套學習資料）

一、Python所有方向的學習路線

Python所有方向的技術點做的整理，形成各個領域的知識點匯總，它的用處就在于，你可以按照上面的知識點去找對應的學習資源，保證自己學得較為全面。

二、Python必備開發工具

三、Python視頻合集

觀看零基礎學習視頻，看視頻學習是最快捷也是最有效果的方式，跟著視頻中老師的思路，從基礎到深入，還是很容易入門的。

四、實戰案例

光學理論是沒用的，要學會跟著一起敲，要動手實操，才能將自己的所學運用到實際當中去，這時候可以搞點實戰案例來學習。

五、Python練習題

檢查學習結果。

六、面試資料

我們學習Python必然是為了找到高薪的工作，下面這些面試題是來自阿里、騰訊、字節等一線互聯網大廠最新的面試資料，并且有阿里大佬給出了權威的解答，刷完這一套面試資料相信大家都能找到滿意的工作。


最后，千萬別辜負自己當時開始的一腔熱血，一起變強大變優秀。

總結

以上是生活随笔為你收集整理的Python和Excel终于互通了！这个Jupyter插件能自动生成代码并实现数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。