2000字精华总结,安利一个超好用的Pandas数据挖掘分析神器
今天给大家介绍一款用于做EDA(探索性数据分析)的利器，并且可以自动生成代码，帮助大家极大节省工作时间与提升工作效率的利器，叫做Bamboolib。
大家可以将其理解为是Pandas的GUI扩展工具，所具备的功能有
-
查看DataFrame数据集与Series数据集
-
过滤数据
-
数据的统计分析
-
绘制交互式图表
-
文本数据的操作
-
数据清洗与类型转换
-
合并数据集
安装模块
在使用之前，我们先需要通过pip install进行该模块的安装
pip install bamboolib
同时因为我们要在Jupyter Notebook以及JupyterLab上面用到该工具，因此还要安装额外的插件
# Jupyter Notebook extensions
python -m bamboolib install_nbextensions
# JupyterLab extensions
python -m bamboolib install_labextensions
查看DataFrame数据集
在上面的步骤全都完成之后，我们开始简单的来尝试使用一下bamboolib，导入我们需要用到的模块
import bamboolib as bam
import pandas as pd
读取数据
df = pd.read_excel(
io="supermarkt_sales.xlsx",
engine="openpyxl",
sheet_name="Sales",
skiprows=3,
usecols="B:R",
nrows=1000,
)
df
会弹出如下所示的界面，
我们先来简单介绍一下界面上的各个按钮，
- Explore DataFrame：对数据集进行探索性分析的按钮
- Create plot: 绘制交互性图表的按钮
- Search Transformations：包含对数据集进行各项操作
- Update: 过滤出指定的列
- Export: 可以将处理完的数据集以及代码导出
Explore DataFrame按钮来对数据先来一个大致的印象
Correlation Matrix按钮
过滤数据
要是我们想要指定某一列数据的话，点击下拉框，选中select or drop columns，
或者我们想要删掉某一列的话，也是相类似的操作
filter rows按钮，然后我们给出特定的条件，在Bamboolib模块当中有多种方式来过滤数据，有has values、contains、startswith、endswith等等，类似于Pandas模块当中对于文本数据处理的方法，例如我们想要挑选出“省份”这一列当中的“浙江省”的数据，就这么来做
sort rows，例如我们以“毛利率”的大小来排序，并且是降序排序，就这么来做
要是我们想要对某一列的列名进行重命名，点击rename columns
数据的清洗与类型转换
我们能够改变数据集当中某一列的数据类型，点击选中change column data dtype
drop missing values或者是drop columns with missing values
find and replace missing values
数据的统计分析
我们可以通过bamboolib模块来对数据进行统计分析，例如计算数值的变化(percent change)，我们在下拉框中找到percent change的选项，然后对指定的列计算当中数值的变化百分比
cumulative product或者是cumulative sum
group by and aggregate按钮，例如我们以“省份”来分组，计算“总收入”的平均值，可以这么来操作
合并数据集
要是我们想要进行合并数据集的操作，在下拉框选中join/merge dataframes选项，当中有四种合并的方式，分别是inner join、left join、right join和outer join，然后我们选择合并的
文本数据的操作
我们还能对数据集当中的文本数据进行各种操作，包括对英文字母大小写的转换，就用convert to lowercase/convert to uppercase
Remove leading and trailing whitespaces
而要是我们需要对字符串做一个分割，就在下拉框中选中split text column
绘制交互式的图表
我们同时还能够通过该模块来绘制交互式的图表，我们点击“create plot”按钮，我们能看到在图表类型当中有直方图、柱状图、折线图、饼图等十来种，我们来绘制当中的一种 
--End--
想要优惠买书的同学可以看：优惠买书渠道
评论