原文：
www.kdnuggets.com/2020/08/bring-pandas-dataframes-life-d-tale.html
评论
作者 Andrew Schonfeld，全栈开发者 & D-Tale 创始人
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织进行 IT 工作
厌倦了在你的 dataframes 上运行 df.head()？在本教程中，我们将探索开源 Pandas 数据框可视化工具 D-Tale。我们将涉及的功能包括安装、启动、导航网格、查看列统计数据、构建图表和代码导出。
D-Tale 是一个结合了 Flask 后端和 React 前端的工具，为你提供了一种简单的方式来查看和分析 Pandas 数据结构。它与 ipython notebooks 和 python/ipython 终端无缝集成。目前，该工具支持 DataFrame、Series、MultiIndex、DatetimeIndex 和 RangeIndex 等 Pandas 对象。
安装可以通过 pip 或 conda 完成
# conda
conda install dtale -c conda-forge
# pip
pip install -U dtale源代码可以在 这里 获取
在你的 Python 控制台或 jupyter notebook 中执行以下代码
import pandas as pd
import dtale
df = pd.DataFrame(dict(a=[1,1,2,2,3,3], b=[1,2,3,4,5,6]))
dtale.show(df)你将看到以下之一：
-
Python 控制台：一个链接，根据你的终端设置，你可以点击或复制到浏览器中，这将带你到 D-Tale 网格。
-
jupyter notebook：一个包含 D-Tale 网格的输出单元格
示例
| PyCharm | jupyter |
|---|---|
 |
 |
一旦进入网格，你可以通过点击列标题来使用所有标准网格功能。如果你还在 jupyter notebook 的输出单元格中，可以点击左上角的三角形，打开主菜单，然后点击“在新标签页中打开”，以便获得更大的工作空间。
|
-
排序
-
重命名
-
过滤
-
将列锁定在左侧（如果你的 dataframe 很宽，这非常方便）
 |
|---|
如果你通过点击左上角的三角形打开主菜单，你会看到许多选项，其中之一是“构建列”。点击该选项，你会看到许多基于现有数据构建新列的不同方法。以下是一些例子：
| 构建器 | 主菜单 | 列构建菜单 | 输出 |
|---|---|---|---|
| 转换（按组均值） |  |
 |
 |
| 均值调整（减去列） |  |
 |
|
| 威布尔化 |  |
 |
许多时候，你可能希望快速查看数据框的内容概述。一个方法是运行df.describe()。我们通过“描述”菜单选项实现了这个功能。你可以通过打开主菜单或点击列标题然后点击“描述”按钮来查看（从列标题点击将为你预选该列）。
如果你查看一下，你会注意到不同统计信息的列表（这些统计信息将根据所选列的数据类型而变化）。这些统计信息是调用df.describe()对该列进行处理的结果，以及一些其他有用的统计数据，比如缺失值的百分比和峰度。你还可以查看其他有用的信息：
-
最小值、q1、 медиан、均值、q3、最大值的箱线图
-
列值的直方图
-
唯一值的计数
-
使用左侧网格切换列的可见性
通过再次打开主菜单并点击“图表”按钮，你将进入一个新标签页，在那里你可以使用 Plotly Dash 构建以下图表：
-
线图
-
条形图
-
散点图
-
饼图
-
词云（这是一个特定于 D-Tale 的自定义插件，因此一些功能如导出可能无法使用）
-
热力图
-
3D 散点图
-
表面图
-
地图（Choropleth、Scattergeo 和 Mapbox）
这是一个示例，展示了比较原始值（a）与其分组均值（b_mean）的条形图。
现在你还会注意到图表顶部的一些链接：
-
弹出图表：在新标签页中打开图表，以便构建另一个图表并进行比较。
-
复制链接：将图表的链接复制到剪贴板，以便与他人分享。
-
导出图表：将图表导出为静态 HTML，并以附件形式发送到电子邮件中。
-
导出 CSV：将图表的底层数据导出为 CSV。
-
代码导出：导出构建图表的底层代码，以便进行自定义或了解其构建方式。
让我们看看点击图表中“代码导出”链接后的输出结果，该图表是在第 6 步中构建的。
目前代码导出的目标是帮助用户了解生成图表所运行的代码，但这绝不是绝对的标准。因此，欢迎在问题页面提交建议或报告错误。
这里是一些与 D-Tale 竞争的其他工具：
感谢阅读本教程，希望它对你的数据探索有所帮助。这里还有许多其他功能我没有涉及，所以我鼓励你查看README，特别是不同的 UI 功能。如果你喜欢这个，请支持开源并给仓库点赞。:)
个人简介： 安德鲁·肖恩费尔德 作为全栈开发人员已有 14 年以上的经验。直到大约 3 个月前，他一直在波士顿从事金融工作。与数据科学团队合作并完全沉浸在 Python 中，他开始利用 Flask、Pandas 和 React 在前端构建工具套件。最终，寻找可视化 Pandas 数据框的方法成为了问题，结果便是 D-Tale。在当时公司支持下，他能够开源这个软件，并且它在数据科学社区中获得了大量关注。在过去的 15 个月里，他主要在空闲时间继续开发 D-Tale，并在波士顿和圣地亚哥的 Python 用户组以及今年 7 月的 FlaskCon 上做了演讲。
相关内容：
-
数据科学中的 Pandas 介绍
-
强化的探索性数据分析
-
使用 NumExpr 包加速你的 Numpy 和 Pandas