這個插件竟打通了Python和Excel，還能自動生成代碼！
沒錯，只需要加載這個名為Mito的小工具包，用Python做數(shù)據(jù)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(shù)據(jù)集的最重要、最具適應性的方式之一。它可以幫助對數(shù)據(jù)類型進行必要的更改、創(chuàng)建新特征、對數(shù)據(jù)進行排序以及從現(xiàn)有特征中創(chuàng)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(huán)境中操作數(shù)據(jù)變得超級容易。
Mito的出現(xiàn)，像是將Python的強大功能、和Excel的易用性進行了結(jié)合。
只需要掌握Excel的用法，就能使用Python的數(shù)據(jù)分析功能，還能將寫出來的代碼“打包帶走”。
它彌補了Excel在數(shù)據(jù)分析上的幾個缺陷：
Excel無法做大數(shù)據(jù)分析（大型數(shù)據(jù)集處理得不好） Excel運行緩慢 Excel無法輕松創(chuàng)建可重復流程
同時，又比SQL和Python更簡單、直觀。畢竟這些專業(yè)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(shù)據(jù)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(tǒng)上需要安裝 Nodejs，一個 JavaScript 運行時環(huán)境。
另外，可以在單獨的環(huán)境（虛擬環(huán)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(chuàng)建環(huán)境
我正在使用 Conda 創(chuàng)建一個新環(huán)境。你還可以使用 Python 的“venv”來創(chuàng)建虛擬環(huán)境。
conda create -n mitoenv python=3.8
2. 激活環(huán)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_user
import 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(fā)表評論。我很樂意提供幫助。
MitoSheets 界面
在 Jupyter Lab中，創(chuàng)建一個新筆記本并初始化 Mitosheet：
import mitosheet
mitosheet.sheet()
第一次，系統(tǒng)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(shù)據(jù)集
要在 MitoSheets 中加載數(shù)據(jù)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(fā)現(xiàn)Python等效的代碼導入一個數(shù)據(jù)集使用pandas已經(jīng)生成了適當?shù)淖⑨?
這就是 Mito 的魅力，你在 Mitosheet 中執(zhí)行的每個操作都將轉(zhuǎn)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(xiàn)有列或特征創(chuàng)建的。要在 Mito 中執(zhí)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(nèi)容
單擊新列名稱（分配的字母表） 將彈出側(cè)邊欄菜單，你可以在其中編輯列的名稱。 要更新該列的內(nèi)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(jù)數(shù)據(jù)集的現(xiàn)有特征創(chuàng)建值。如果要從現(xiàn)有列創(chuàng)建值，則直接使用要執(zhí)行的運算符調(diào)用列名。 新列的數(shù)據(jù)類型根據(jù)分配的值進行更改。
下面的 GIF 演示了上面提到的所有內(nèi)容：
刪除列
通過單擊選擇任何列。 單擊 “Del Col”，該特定列將從數(shù)據(jù)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(zhí)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(chuàng)建數(shù)據(jù)透視表
數(shù)據(jù)透視表是一個重要的 excel 功能，它根據(jù)另一個分類特征匯總數(shù)字變量。要使用 Mito 創(chuàng)建這樣的表，
單擊 “Pivot”并選擇源數(shù)據(jù)集（默認加載 CSV）選擇數(shù)據(jù)透視表的行、列和值列。還可以為值列選擇聚合函數(shù)。所有下拉選項，如求和、平均值、中值、最小值、最大值、計數(shù)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(shù)據(jù)透視表的實現(xiàn)。
下面的 GIF 演示了如何為聚合函數(shù)“均值”創(chuàng)建數(shù)據(jù)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(shù)據(jù)集
合并數(shù)據(jù)集是數(shù)據(jù)科學項目的重要組成部分。通常，數(shù)據(jù)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(shù)據(jù)源。需要指定要對其進行合并的鍵。 也可以從數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)類型、排序和過濾
你可以更改現(xiàn)有列的數(shù)據(jù)類型，按升序或降序?qū)α羞M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(shù)據(jù)類型列表?？梢愿鶕?jù)需要從下拉列表中選擇任何數(shù)據(jù)類型，該數(shù)據(jù)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?qū)?shù)據(jù)進行排序。 還可以使用自定義過濾器過濾數(shù)據(jù)。
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(tǒng)計數(shù)據(jù)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(fā)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(cè)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(jù)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(shù)據(jù)集所做的所有轉(zhuǎn)換都可以保存并用于其他類似的數(shù)據(jù)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(zhí)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(shù)據(jù)。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(zhuǎn)換。所有操作的列表都帶有適當?shù)臉祟}。
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(huán)境中實現(xiàn)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
