今天小編給大家推薦兩款超好用的工具來對(duì)數(shù)據(jù)進(jìn)行探索分析。更好地幫助數(shù)據(jù)分析師從數(shù)據(jù)集當(dāng)中來挖掘出有用的信息

PandasGUI

一聽到這個(gè)名字，大家想必就會(huì)知道這個(gè)工具是在Pandas的基礎(chǔ)之上加了GUI界面，它所具備的主要功能有：

• 查看DataFrame數(shù)據(jù)集與Series數(shù)據(jù)集

• 交互式地繪制圖表

• 過濾數(shù)據(jù)

• 統(tǒng)計(jì)分析

• 數(shù)據(jù)的修改與復(fù)制粘貼

• 拖放導(dǎo)入csv文件

• 搜索工具欄

當(dāng)然在使用之前，我們先要安裝好該工具

pip?install?pandasgui

然后我們導(dǎo)入該工具，并且用它來查看某個(gè)數(shù)據(jù)集，代碼如下

import?pandas?as?pd from?pandasgui?import?showdf?=?pd.read_excel(io=r'supermarkt_sales.xlsx',engine="openpyxl",?sheet_name="Sales",skiprows=3,?usecols="B:R",nrows=1000 )show(df)

運(yùn)行上述的代碼之后會(huì)彈出一個(gè)GUI界面

我們先來看一下彈出的頁面當(dāng)中的布局，最左邊是數(shù)據(jù)集的形狀，比方說1000*17，具體看下圖

過濾數(shù)據(jù)

數(shù)據(jù)過濾時(shí)候，我們需要填入相應(yīng)的條件，主要是在中間這一列中輸入，例如我們想要篩選出來的數(shù)據(jù)需要滿足

• 省份：浙江

• 顧客類型：會(huì)員

• 性別：男性

以上這幾個(gè)條件，我們可以這么來做，在filter這一列當(dāng)中依次輸入篩選的條件，如下圖

數(shù)據(jù)的修改與復(fù)制粘貼

同時(shí)我們還可以修改當(dāng)中的數(shù)據(jù)

以及將里面的數(shù)據(jù)復(fù)制/粘貼出來

數(shù)據(jù)的統(tǒng)計(jì)分析

在PandasGUI這個(gè)工具當(dāng)中，我們還能夠?qū)?shù)據(jù)集進(jìn)行統(tǒng)計(jì)分析，切換到Statistics選項(xiàng)當(dāng)中就能夠看到

當(dāng)中的統(tǒng)計(jì)變量有“平均值”、“最大/最小值”和“標(biāo)準(zhǔn)差”，包括每一個(gè)變量的數(shù)據(jù)類型也在當(dāng)中有展示出來

繪制交互式圖表

我們還能夠在上面繪制交互之圖表，支持的圖表類型有柱狀圖、散點(diǎn)圖、折線圖、餅圖等等

例如柱狀圖，我們看到有x軸和y軸，我們只需要將相對(duì)應(yīng)的列拖拽到x軸或者是y軸即可

數(shù)據(jù)集的變形

在Reshaper這個(gè)選項(xiàng)當(dāng)中，我們可以將現(xiàn)有的數(shù)據(jù)集與其他的數(shù)據(jù)集合并，和pandas當(dāng)中的merge()方法一樣，同時(shí)我們也能制作透視表，和pandas當(dāng)中的pivot_table()方法一樣

當(dāng)然我們還可以將以上的操作轉(zhuǎn)換成代碼的形式，通過點(diǎn)擊Code Export這個(gè)按鈕

支持csv文件的導(dǎo)入與導(dǎo)出

同時(shí)這里還支持csv文件的導(dǎo)入與導(dǎo)出，讓我們更加快捷的操作數(shù)據(jù)集

Jupyter當(dāng)中的小插件

下面小編給大家介紹一個(gè)在Jupyter當(dāng)中使用的小插件名叫ipympl，能夠使得matplotlib繪制出來的圖表也能夠具備交互性的特征，當(dāng)然在使用之前，我們先要安裝上該插件

通過pip來安裝

pip?install?ipympl

也可以通過conda來進(jìn)行安裝

conda?install?-c?conda-forge?ipympl

然后涉及到具體的使用，我們導(dǎo)入相關(guān)的模塊

%matplotlib?widget import?pandas?as?pd import?matplotlib.pyplot?as?plt

我們使用常用的iris.csv來進(jìn)行圖表的繪制

plt.scatter('sepal_length(cm)',?'petal_width(cm)',?data=iris) plt.xlabel('Sepal?Length') plt.ylabel('Petal?Width') plt.show()

output

從上面的結(jié)果來看，繪制出來的圖表具備交互性，并且可以任意我們放大、縮小以及拖拽，并且可以將繪制好的圖表下載到本地，而針對(duì)具有多個(gè)子圖的圖表，也能夠?qū)崿F(xiàn)交互式的繪制

np.random.seed(0)n_bins?=?20 x?=?np.random.randn(1000,?3)fig,?axes?=?plt.subplots(nrows=2,?ncols=2) ax0,?ax1,?ax2,?ax3?=?axes.flatten()colors?=?['red',?'blue',?'yellow'] ax0.hist(x,?n_bins,?density=1,?histtype='bar',?color=colors,?label=colors) ax0.legend(prop={'size':?10}) ax0.set_title('bars?with?legend')ax1.hist(x,?n_bins,?density=1,?histtype='bar',?stacked=True,?color=colors) ax1.set_title('stacked?bar')ax2.hist(x,?n_bins,?histtype='step',?stacked=True,?fill=False) ax2.set_title('stack?step?(unfilled)')x_multi?=?[np.random.randn(n)?for?n?in?[10000,?5000,?2000]] ax3.hist(x_multi,?n_bins,?histtype='bar',?color=colors) ax3.set_title('different?sample?sizes')fig.tight_layout() plt.show()

output

各位伙伴們好，詹帥本帥搭建了一個(gè)個(gè)人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請(qǐng)移步小程序體驗(yàn)一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數(shù)據(jù)類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環(huán)和各種表達(dá)式（長文系列第②篇）

牛逼！Python函數(shù)和文件操作（長文系列第③篇）

牛逼！Python錯(cuò)誤、異常和模塊（長文系列第④篇）

總結(jié)

以上是生活随笔為你收集整理的推荐2个十分好用的pandas数据探索分析神器！的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。