Motywacja

Operacje obracania i grupowania są podstawą każdego typowego procesu analizy danych tabelarycznych. Metoda pivot_table()and groupby()jest jedną z najczęściej używanych metod w Pandas .

Używane głównie do zrozumienia danych kategorycznych, Grupowanie umożliwia obliczanie statystyk dla poszczególnych grup w danych.

Z drugiej strony tabele przestawne umożliwiają zestawienie danych w celu szczegółowej analizy.

Przede wszystkim doceniam znaczenie tabel przestawnych. Jednak wiele razy obracanie (konkretnie) w Pandach było trochę onieśmielające. Jestem pewien, że wielu z was by to rezonowało.

Dla kogoś, kto korzysta z programu Excel, który zapewnia elegancki i intuicyjny interfejs użytkownika do generowania tabel przestawnych, przejście na Pandy nie jest tak płynne, jak można by się spodziewać.

Co więcej, w wielu zadaniach związanych z analizą danych zwykle nie kończy się na przestawianiu lub grupowaniu danych. Wiele osób jest często zainteresowanych tworzeniem wykresów/wykresów, aby uczynić je bardziej zrozumiałymi, co przyczynia się do pisania większej ilości kodu.

Czy nie byłoby miło, gdybyśmy mieli przyjazny dla początkujących i elegancki interfejs użytkownika do wykonywania tych operacji na Pandas DataFrames, tak jak mamy to w Excelu?

Przedstawiamy PivotTableJS !

Tabela przestawnaJS

Jak sama nazwa wskazuje, PivotTableJS to biblioteka Javascript do tworzenia tabel przestawnych (a także tabel zgrupowanych).

Jego największą zaletą jest to, że można go używać w notatniku Jupyter ( czytaj więcej ), bez pisania żadnego kodu. W ten sposób możesz napisać swój kod (gdziekolwiek potrzebujesz), zmodyfikować dane i natychmiast wrzucić je do PivotTableJS.

Co więcej, jego funkcja „przeciągnij i upuść” oraz intuicyjny układ sprawiają, że zadanie agregacji, tworzenia tabel przestawnych i kreślenia interaktywnych wykresów jest łatwe i szybkie.

Zainstaluj PivotTableJS

Aby zainstalować PivotTableJS przy użyciu programu pip, wpisz następujące polecenie w terminalu.

Alternatywnie możesz również conda:

Rozpoczęcie pracy

Załaduj zestaw danych

Pierwszym krokiem jest oczywiście załadowanie zestawu danych za pomocą Pand.

Do celów demonstracyjnych użyję fałszywego zestawu danych zawierającego fałszywe informacje o pracownikach, który stworzyłem za pomocą Fakera .

Wywołaj PivotUI

Po załadowaniu zestawu danych jako Pandas DataFrame ( df), zaimportuj pivot_uimetodę z pivottablejsbiblioteki.

Następnie w panelu wyjściowym Jupytera pojawi się następujące okno.

Kolumny są pokazane w lewym panelu interfejsu. Domyślnie pokazuje liczbę rekordów w obszarze obliczeń ( 1,000tutaj).

Możesz przeciągnąć kolumny do dwóch pustych pól do wykonania groupbyi pivotoperacji oraz wybrać odpowiednią agregację z listy aggregationsrozwijanej.

Na koniec, oprócz listy rozwijanej agregacji, możesz zobaczyć inną listę rozwijaną (obecnie wyświetlaną Table). Służy do wyboru formatu wyjściowego:

Następnie przyjrzyjmy się, jak możesz wykonać groupbyi pivotużywać tego narzędzia.

Grupuj za pomocą PivotTableJS

Aby przeprowadzić grupowanie w jednej (lub wielu) kolumnach, przeciągnij je do pustego obszaru poniżej agregacji.

Weźmy na przykład pod uwagę, że chcemy pogrupować według Employee_Statuskolumny. Zostało to zademonstrowane poniżej:

To takie proste.

Domyślną agregacją jest tu wielkość grupy ( Count). Możesz to zmienić i wykonać na dowolnej wybranej kolumnie z żądaną metodą agregacji.

Powiedzmy, że chcemy znaleźć średnią Employee_Ratingdla każdej wartości w Employee_Statuskolumnie. Zostało to zademonstrowane poniżej:

Rzeczy się nie kończą. Możesz także zmienić format wyjściowy.

Powiedzmy w powyższej demonstracji, że chcemy pokazać średnią Employee_Ratingzgrupowaną w Employee_Statuskolumnie jako wykres słupkowy. Możesz to zrobić w następujący sposób:

Całkiem fajnie, prawda?

Wyobraź sobie, ile czasu zajęłoby zrobienie tego samego z kodem. Jest to szybkie i bezproblemowe.

Tabela przestawna za pomocą PivotTableJS

Podobnie jak GroupBy, tabele przestawne można dość łatwo wygenerować za pomocą PivotTableJS.

Wymagany jest tylko jeden dodatkowy krok. W przykładach grupowych przeciągnęliśmy kolumny tylko do jednego z pustych paneli.

Ponieważ jednak zarówno wiersze, jak i kolumny tabel przestawnych pochodzą z wartości w tabeli, powinniśmy przeciągnąć również wiersz nagłówka.

Załóżmy na przykład, że chcesz wyświetlić tabelę przestawną Employee_Statusi Employee_Citykolumny. Można to zrobić w następujący sposób:

Jak być może zauważyłeś, tym razem przeciągnęliśmy również kolumnę do górnego panelu, co stworzyło tabelę przestawną zamiast Grupowania.

Reszta rzeczy pozostaje taka sama, jak omówiono w powyższej sekcji.

Możesz zmienić agregację z listy aggregationrozwijanej i wybrać również inną kolumnę.

Co więcej, możesz również przedstawić dane jako wykresy dla lepszej zrozumiałości.

Wniosek

W ten sposób doszliśmy do końca tego bloga. Mam nadzieję, że nauczyłeś się czegoś nowego.

Jestem przekonany, że to niesamowite narzędzie pozwoli Ci zaoszczędzić mnóstwo czasu podczas wykonywania typowych zadań związanych z analizą danych.

Uważasz, że ta wskazówka jest interesująca?

Jeśli chcesz dowiedzieć się więcej takich eleganckich porad i sztuczek na temat Data Science i Pythona, codziennie publikuję pouczającą wskazówkę na LinkedIn.

Wszystkie wskazówki, które opublikowałem, znajdziesz w Moim archiwum postów na LinkedIn . Możesz śledzić mnie na LinkedIn, aby zobaczyć wszystkie przyszłe posty.

Alternatywnie możesz również otrzymywać je pocztą elektroniczną, subskrybując poniżej:

Zapisz się na Codzienną Dawkę Nauki o Danych. Tutaj dzielę się eleganckimi wskazówkami i sztuczkami dotyczącymi Data Science, jedna wskazówka dziennie. Codziennie otrzymuj te wskazówki bezpośrednio na swoją skrzynkę odbiorczą.

‍ Zostań Data Science PRO! Uzyskaj BEZPŁATNY zestaw narzędzi Data Science Mastery Toolkit z ponad 450 pytaniami Pandas, NumPy i SQL.

Dziękuje za przeczytanie!