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：

介紹

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

到這里，就和云朵君一起學習了一個新工具“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。

項目主頁：
https://trymito.io/launch

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載黃海廣老師《機器學習課程》視頻課黃海廣老師《機器學習課程》711頁完整版課件

本站qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python】这个插件竟打通了Python和Excel，还能自动生成代码！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。