将 Pandas 换为交互式表格的 Python 库

Pandas是我们日常处理表格数据最常用的包，但是对于数据分析来说，Pandas的DataFrame还不够直观，所以今天我们将介绍4个Python包，可以将Pandas的DataFrame转换交互式表格，让我们可以直接在上面进行数据分析的操作。

Pivottablejs

Pivottablejs是一个通过IPython widgets集成到Python中的JavaScript库，允许用户直接从DataFrame数据创建交互式和灵活的汇总报表。可以进行高效、清晰的数据分析和表示，帮助将数据从Pandas DataFrame转换为易于观察的交互式数据透视表。

pivot_ui函数可以自动从DataFrame生成交互式用户界面，使用户可以简单地修改，检查聚合项，并快速轻松地更改数据结构。

 !pip install pivottablejs  
   
 from pivottablejs import pivot_ui  
 import pandas as pd  
   
 data = pd.read_csv("D:\Data\company_unicorn.csv")  
 data["Year"] = pd.to_datetime(data["Date Joined"]).dt.year  
 pivot_ui(data)

如下图所示，我们可以直接在notebook中对DataFrame进行筛选，生成图表

我们还可以快速生成数据透视表

Pygwalker

PyGWalker可以把DataFrame变成一个表格风格的用户界面，让我们直观有效地探索数据。

这个包的用户界面对Tableau用户来说很熟悉，如果你用过Tableau那么上手起来就很容易

 !pip install pygwalker  
   
 import pygwalker as pyw  
 walker = pyw.walk(data)

img

通过一些简单的拖拽，可以进行筛选和可视化，这是非常方便的

Qgrid

除了PyGWalker之外，Qgrid也是一个很好的工具，它可以很容易地将DataFrame架转换为视觉上直观的交互式数据表。

 import qgrid  
 qgridframe = qgrid.show_grid(data, show_toolbar=True)  
 qgridframe

我们还可以直接在表上添加、删除数据

Itables

与上面提到的qgrid包一样，Itables提供了一个简单的接口。可以进行简单的操作，如过滤、搜索、排序等。

 from itables import init_notebook_mode, show  
 init_notebook_mode(all_interactive=False)  
   
 show(data)

tables和Qgrid包对于快速查看数据模式是必要的。然而，如果我们想要进一步理解数据并进行数据转换，它们的特征是不够的。因此，在获得更复杂的见解的情况下，使用透视表js和Pygwalker是可取的。

总结

上面的这些包可以在Jupyter Notebook中将dataframe转换为交互式表。

Itables 和Qgrid比较轻量，可以让我们快速的查看数据，但是如果你想进行更多的操作，例如生成一些简单的可视化图表，那么Pivottablejs和Pygwalker是一个很好的工具。

---------------------------END---------------------------

题外话

感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。

👉优快云大礼包🎁：全网最全《Python学习资料》免费赠送🆓！（安全链接，放心点击）

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

👉优快云大礼包🎁：全网最全《Python学习资料》免费赠送🆓！（安全链接，放心点击）

若有侵权，请联系删除