Python和Excel终于互通了！这个插件能自动生成代码实

　　加载一个Jupyter插件后，无需写代码就能做数据分析，还帮你生成相应代码？
　　没错，只需要加载这个名为Mito的小工具包，用Python做数据分析，变得和用Excel一样简单：
　　介绍
　　以Excel为代表的电子表格是探索数据集的最重要、最具适应性的方式之一。它可以帮助对数据类型进行必要的更改、创建新特征、对数据进行排序以及从现有特征中创建新特征。
　　遵循以上相同的思路，Mito是一个JupyterLab扩展和Python库，它使得在支持GUI的电子表格环境中操作数据变得超级容易。
　　Mito的出现，像是将Python的强大功能、和Excel的易用性进行了结合。
　　只需要掌握Excel的用法，就能使用Python的数据分析功能，还能将写出来的代码打包带走。
　　它弥补了Excel在数据分析上的几个缺陷：Excel无法做大数据分析（大型数据集处理得不好）Excel运行缓慢Excel无法轻松创建可重复流程
　　同时，又比SQL和Python更简单、直观。毕竟这些专业工具对于0基础初学者来说，需要至少几年时间，才能完全上手。
　　在本文中，我们将一起学习：如何合理设置Mito如何debug安装错误使用Mito提供的各种功能数据库如何为对数据集所做的所有操作生成Python等效代码安装Mito
　　Mito是一个Python库，可以通过pip包管理器安装。它需要Python3。6及以上版本。此外，系统上需要安装Nodejs，一个JavaScript运行时环境。
　　另外，可以在单独的环境（虚拟环境）中安装这个包，可以避免一些依赖错误。接下来在终端中运行这些命令，完成安装即可。1。创建环境
　　我正在使用Conda创建一个新环境。你还可以使用Python的venv来创建虚拟环境。condacreatenmitoenvpython3。82。激活环境condaactivatemitoenv3。通过pip安装Mitopipinstallmitoinstaller4。运行Mito安装程序pythonmmitoinstallerinstall
　　此过程将需要一段时间来安装和设置Mito。5。启动JupyterLabjupyterlab报错解决
　　当启动JupyterLab时，可能会遇到如下错误：Filec：userslenovoanaconda3envsmitoenvlibsitepackagesjupytercorepaths。py，line387，inwin32restrictfiletouserimportwin32apiImportError：DLLloadfailedwhileimportingwin32api：Thespecifiedmodulecouldnotbefound。
　　要修复此错误，只需运行以下命令：pipinstallupgradepywin32225
　　如果你遇到其他困难，请随时在下面发表评论。我很乐意提供帮助。MitoSheets界面
　　在JupyterLab中，创建一个新笔记本并初始化Mitosheet：importmitosheetmitosheet。sheet（）
　　第一次，系统会提示输入你的电子邮件地址进行注册：
　　填写完基础知识后，将被重定向到GUI电子表格。接下来我们一起看看这个接口的所有特性，并一起学习如何生成Python等效代码。加载数据集
　　要在MitoSheets中加载数据集，只需单击导入。有两个选择：从当前文件夹添加文件：这将列出当前目录中的所有CSV文件，可以从下拉菜单中选择文件。按文件路径添加文件：这将仅添加该特定文件。
　　如下图所示
　　如果你看下面的单元格，你会发现Python等效的代码导入一个数据集使用pandas已经生成了适当的注释！
　　这就是Mito的魅力，你在Mitosheet执行的每个操作都将转换为Python等效代码！接下来我们一起详细探讨一下Mito的所有功能。添加和删除列添加列
　　就像在Excel等电子表格中一样，你可以添加一个新列，该列可能是从现有列或特征创建的。要在Mito中执行此操作，只需单击AddCol按钮。该列将添加到当前选定的列表旁边。最初，列名将是一个字母表，列的所有值都为零。
　　编辑新列的内容单击行列名称（分配的字母表）将弹出侧边栏菜单，你可以在其中编辑列的名称。要更新该列的内容，请单击该列的任何单元格，然后输入值。你可以输入一个常量值，也可以根据数据集的现有特征创建数据。如果要从现有列创建值，则直接使用要执行的运算符调用列名。新列的数据类型根据分配的值进行更改。
　　下面的GIF演示了上面提到的所有内容：
　　删除列通过单击选择任何列。单击DelCol，该特定列将从数据集中删除。
　　Python代码
　　在下一个单元格中生成带有正确注释的Python等效代码，用于执行的操作是：MITOCODESTART（DONOTEDIT）frommitosheetimportImportnecessaryfunctionsfromMitoregisteranalysis（UUID7bf77d2684f448edb3893f7a3b729753）LetMitoknowwhichanalysisisbeingrunImportededxCourses。csvimportpandasaspdedxCoursescsvpd。readcsv（edxCourses。csv）AddedcolumnHtoedxCoursescsvedxCoursescsv。insert（7，H，0）RenamedHtonewColinedxCoursescsvedxCoursescsv。rename（columns｛H：newCol｝，inplaceTrue）SetnewColinedxCoursescsvtocoursePricecourseEnrollmentsedxCoursescsv〔newCol〕edxCoursescsv〔coursePrice〕edxCoursescsv〔courseEnrollments〕DeletedcolumnnewColfromedxCoursescsvedxCoursescsv。drop（newCol，axis1，inplaceTrue）MITOCODEEND（DONOTEDIT）创建数据透视表
　　数据透视表是一个重要的环节excel功能，它根据另一个分类特征汇总数字变量。要使用Mito创建这样的表，单击Pivot并选择源数据集（默认加载CSV）选择数据透视表的行、列和值列。还可以为值列选择聚合函数。所有下拉选项，如求和、平均值、中值、最小值、最大值、计数和标准偏差都可用。选择所有必要的字段后，将获得一个单独的表，其中包含数据透视表的实现。
　　下面的GIF演示了如何为聚合函数均值创建数据透视表：
　　Python代码MITOCODESTART（DONOTEDIT）frommitosheetimportImportnecessaryfunctionsfromMitoregisteranalysis（UUIDa35246c0e0dc436b8667076d4f08e0c1）LetMitoknowwhichanalysisisbeingrunImportededxCourses。csvimportpandasaspdedxCoursescsvpd。readcsv（edxCourses。csv）PivotededxCoursescsvintodf2pivottableedxCoursescsv。pivottable（index〔courseOrganization〕，values〔coursePrice〕，aggfunc｛coursePrice：mean｝）Resetthecolumnnameandtheindexesdf2pivottable。renameaxis（None，axis1）。resetindex（）MITOCODEEND（DONOTEDIT）合并两个数据集
　　合并数据集是数据科学项目的重要组成部分。通常，数据集被划分到不同的表格中，以增加信息的可访问性和可读性。合并Mitosheets很容易。单击Merge并选择数据源。需要指定要对其进行合并的键。也可以从数据源中选择合并后要保留的列。默认情况下，所有列都将保留在合并的数据集中。
　　Python代码MITOCODESTART（DONOTEDIT）frommitosheetimportImportnecessaryfunctionsfromMitoregisteranalysis（UUID88ac4a92062f4ed8a55d729394975740）LetMitoknowwhichanalysisisbeingrunImportedAirportPets。csv，ZipcodeData。csvimportpandasaspdAirportPetscsvpd。readcsv（AirportPets。csv）ZipcodeDatacsvpd。readcsv（ZipcodeData。csv）MergedAirportPetscsvandZipcodeDatacsvtempdfZipcodeDatacsv。dropduplicates（subsetZip）AirportPetscsvtmpAirportPetscsv。drop（〔State，Division〕，axis1）ZipcodeDatacsvtmptempdf。drop（〔MeanIncome，Pop〕，axis1）df3AirportPetscsvtmp。merge（ZipcodeDatacsvtmp，lefton〔Zip〕，righton〔Zip〕，howleft，suffixes〔AirportPetscsv，ZipcodeDatacsv〕）MITOCODEEND（DONOTEDIT）修改列数据类型、排序和过滤
　　你可以更改现有列的数据类型，按升序或降序对列进行排序，或通过边界条件过滤它们。在Mito中的这些都很简单，可以通过选择屏幕上的选项通过GUI本身完成。单击所需的列将看到一个数据类型列表。可以根据需要从下拉列表中选择任何数据类型，该数据类型将应用于整个列。接下来可以通过选择提供的选项按升序或降序对数据进行排序。还可以使用自定义过滤器过滤数据。
　　Python代码MITOCODESTART（DONOTEDIT）frommitosheetimportImportnecessaryfunctionsfromMitoregisteranalysis（UUIDcc414267d9aa40178890ee3b7461c15b）LetMitoknowwhichanalysisisbeingrunImportededxCourses。csvimportpandasaspdedxCoursescsvpd。readcsv（edxCourses。csv）ChangedcoursePricefromint64tofloatedxCoursescsv〔coursePrice〕edxCoursescsv〔coursePrice〕。astype（float）SortedcoursePriceinedxCoursescsvindescendingorderedxCoursescsvedxCoursescsv。sortvalues（bycoursePrice，ascendingFalse，napositionfirst）edxCoursescsvedxCoursescsv。resetindex（dropTrue）FilteredcoursePriceinedxCoursescsvedxCoursescsvedxCoursescsv〔edxCoursescsv〔coursePrice〕500〕edxCoursescsvedxCoursescsv。resetindex（dropTrue）MITOCODEEND（DONOTEDIT）图表和统计数据生成
　　还可以直接在此扩展中生成图形，而无需编写绘图逻辑。默认情况下，此扩展生成的所有图都是使用Plotly制作的。这意味着绘图是交互式的，可以即时修改。
　　注意，这里并没有像操作列一样，在下一个单元格中生成图形代码（也许开发人员会在以后的更新中推送此代码）
　　可以使用Mito生成两种类型的图：1。通过点击图表按钮
　　你将看到一个侧边栏菜单，用于选择图形类型和要选择的相应轴。
　　2。通过点击列名
　　当你点击电子表格中的列名称时，可以看见过滤器和排序选项。但如果你导航到SummaryStats，则会根据变量的类型显示线图或条形图以及变量的摘要。此摘要更改为文本和没有文本变量。
　　保存和回放
　　对数据集所做的所有转换都可以保存并用于其他类似的数据集。这在Excel中采用宏或VBA的形式。也可以通过这些功能完成相同的操作。
　　文件是以Python编写的，而不是用比较难懂的VBA。
　　回溯执行的所有步骤
　　要想重复上面的步骤的话，也非常容易，Mito自带重复已保存分析步骤功能，一键就能用同样的方法分析其他数据。这个功能是最有趣的。你实际上可以追踪在Mitosheet中应用的所有转换。所有操作的列表都带有适当的标题。
　　此外，你可以查看该特定步骤！这意味着假设你更改了一些列，然后删除了它们。你可以退回到未删除的时间。
　　写在最后
　　新工具Mito，用于在Python环境中实现类似电子表格的功能，并为所做的每一步生成等效操作的Python代码。
　　参考来源：数据STUDIO