作者：韓信子@ShowMeAI
數據分析 ◉ 技能提升系列：http://www.showmeai.tech/tutorials/33
數據分析實戰系列：http://www.showmeai.tech/tutorials/40
本文地址：http://www.showmeai.tech/article-detail/294
聲明：版權所有，轉載請聯系平台與作者並注明出處
收藏ShowMeAI查看
Excel是大家最常用的數據分析工具之一，借助它可以便捷地完成數據清理、統計計算、數據分析（數據透視圖）和圖表呈現等。
但是！大家有沒有用 Excel 處理過大一些的數據（比如幾十上百萬行的數據表），Excel 就會變得非常慢，甚至直接崩潰。
辛辛苦苦做一半的工作很有可能要重做！那就不只是 Excel 崩潰了，我們也得一邊崩潰一邊加班趕 deadline。
在本篇文中，ShowMeAI 將給大家介紹到 Python 中非常好用的交互式表格工具，它們的功能性和使用便捷度和 Excel 相當，同時有很好的內存優化，非常適合處理大文件表格。
Mito 是 Python 中的電子表格，它同時擁有 Excel 電子表格的簡單易用性和 Python 的強大功能。我們可以像使用 Excel 一樣使用 Mito，並且在我們執行每個操作之後，Mito 將自動生成與每個操作對應的 Python 代碼。
- Mito 官方文檔
- Mito Github
- Mito 使用示例
使用 Mito 工具庫，我們首先需要安裝 Python 和 Jupyter Notebook 或 Jupyter Lab， 然後我們通過終端或命令行運行以下命令來安裝 Mito。
python -m pip install mitoinstaller
python -m mitoinstaller install
下面我們來演示一下，如何在 Mito 中完成我們在 Excel 中的操作，如讀取文件、創建列、數據透視表、可視化等。
Excel 默認對文件行數有限制。在內存足夠時，Excel 可以打開數百萬行的文件，但是只顯示前 1048576 行。感興趣的話可以測試下這個數據~同樣在內存充足的情況下，Mito 打開文件的大小沒有限制。來看具體操作！
在讀取 CSV 文件之前，先導入工具庫，創建一個 Mito 電子表格對象，代碼如下：
import mitosheet
mitosheet.sheet()
接下來的讀取操作就可以用鼠標完成了， 下圖的演示中，使用到的數據集是學校成績數據集，大家可以在ShowMeAI的百度網盤地址下載 。 下載文件後，單擊『+』或『導入』按鈕進行閱讀，如下圖所示：
鏈接：https://pan.baidu.com/s/1_k2_mq_V6n0gxP2fmjPuTQ
提取碼：show
除了導入之外，還會自動生成下面的代碼。（這本是需要熟悉 Pandas 工具庫的同學通過編碼完成的。但現在我們簡單操作之後，就可以自動生成了！）
import pandas as pd
StudentsPerformance_csv = pd.read_csv(r'StudentsPerformance.csv')
在 Excel 中，我們會創建一個『宏』來記錄一組可以隨時執行的操作。對應到 Mito中，我們可以做同樣的事情，借助於 Python 生態與各種開源庫，我們可以完成更多自動化的操作，比如處理完表格之後通過電子郵件發送報告，使用微信發送文件，導入數據到數據庫中等。
下面我們用 Mito 執行一些操作，就好像我們在使用 Excel 一樣。
如果要創建新列，只需單擊『添加列』按鈕。默認情況下，『Add Col』按鈕將創建一個名為『new-column』的列，我們將通過雙擊列名將其重命名為『average』。
這一步結束後，Mito 又生成了與我們在電子表格上執行的操作相對應的 Python 代碼！
# Added column new-column-uca5 to StudentsPerformance_csv
StudentsPerformance_csv.insert(8, 'new-column-uca5', 0)
# Renamed new-column-uca5 to average in StudentsPerformance_csv
StudentsPerformance_csv.rename(columns={
'new-column-uca5': 'average'}, inplace=True)
我們經常要對數據做統計分析，如果要對一行做統計計算，我們只需將公式寫在一個單元格中。
假設我們要計算數學、閱讀和寫作的平均分數。 我們只需要在『average』列的任何單元格中填入公式 (math score+reading score+writing score)/3，如下圖所示：
同樣 Mito 生成了pandas的統計代碼：
# Set new-column-uca5 in StudentsPerformance_csv to =(math score+reading score+writing score)/3
StudentsPerformance_csv['average'] = (StudentsPerformance_csv['math score']+StudentsPerformance_csv['reading score']+StudentsPerformance_csv['writing score'])/3
在Mito中創建數據透視表同樣非常簡單，單擊『數據透視』按鈕， 然後選擇行、列和值。
下圖演示了我們創建一個數據透視表，在『種族/民族』列中顯示 A、B、C、D 和 E 組的數學和閱讀分數的平均值。
同樣在Mito操作過後，我們生成了如下的 Python 代碼。
# Imported StudentsPerformance.csv
import pandas as pd
StudentsPerformance_csv = pd.read_csv(r'StudentsPerformance.csv')
# Pivoted StudentsPerformance_csv into df2
unused_columns = StudentsPerformance_csv.columns.difference(set(['race/ethnicity']).union(set([])).union(set({
'math score', 'reading score'})))
tmp_df = StudentsPerformance_csv.drop(unused_columns, axis=1)
pivot_table = tmp_df.pivot_table(
index=['race/ethnicity'],
values=['math score', 'reading score'],
aggfunc={
'math score': ['mean'], 'reading score': ['mean']}
)
pivot_table.columns = [flatten_column_header(col) for col in pivot_table.columns.values]
df2 = pivot_table.reset_index()
使用 Mito 可以輕松創建餅圖和條形圖等基本圖例用於可視化， 我們只需要點擊『圖表』並選擇圖表類型。
讓我們為之前創建的數據透視表創建一個條形圖，在 X 軸上顯示『種族/民族』，在 Y 軸上顯示『數學分數平均值』。
很炫酷有沒有！而且 a、b、c 和 d 中生成的代碼行相當於 Excel 宏， 每次我們運行代碼時，我們都會執行所有記錄下來的操作。
當我們在Excel工作簿中進行內存密集型計算時，它非常容易卡頓感和崩潰，但這些計算在 Python 中是非常簡單可以完成的，我們可以結合另一個名為bamboolib 的 Python 庫完成一系列數據操作。
大家可以通過命令 pip install --upgrade bamboolib --user安裝 bamboolib。
- Bamboolib官方文檔
- Bamboolib Github
安裝完成之後，我們運行以下命令來讀取 CSV 或 Excel 文件。
import bamboolib as bam
bam
在這裡，我們使用包含超過 100 萬行的 CSV 大文件sales-data-1M來講解操作和計算實現，大家可以在ShowMeAI的百度網盤地址下載。
鏈接：https://pan.baidu.com/s/1_k2_mq_V6n0gxP2fmjPuTQ
提取碼：show
和 Mito 工具庫一樣，Bamboolib 也為我們生成代碼如下
後續內容中我們只演示步驟，但會隱藏生成的代碼，大家可以實際操作來查看生成的代碼
import pandas as pd
df = pd.read_csv('./data/sales-data.csv', sep=',', decimal='.', nrows=100000)
df
如果我們要創建一個新列，我們可以在搜索欄上搜索『列命名』操作，然後鍵入列公式。下圖演示我們使用公式創建一個『價格』列 (revenue/quantity).
下面我們在搜索欄中輸入『數據透視表』。 然後我們在數據行中按產品對數據進行分組，並使用『sum』作為聚合函數，整個操作如下圖所示：
接下來，我們創建一個餅圖。 我們點擊『Create Plot』按鈕，選擇圖形類型，然後選擇我們想要顯示的值。
下面我們從『日期』列中提取屬性，我們希望提取出月份，要完成這個操作，我們會將『日期』列的數據類型更改為 date（現在類型為 str)，然後再提取屬性。操作動圖演示如下：
