原文：
www.kdnuggets.com/2021/11/spreadsheet-generates-python-mito-jupyterlab-extension.html
评论
作者 Roman Orac，高级数据科学家
图片由 Joshua Sortino 提供，来源于 Unsplash
Mito 允许你将数据框或 CSV 文件传入电子表格界面。它具有 Excel 的感觉，但每次编辑都会在下面的代码单元中生成等效的 Python 代码。最理想的情况下，这可以成为快速完成数据分析的绝佳方法。
使用 Mito 进行探索性数据分析（作者制作的可视化）
如果你错过了我关于 Mito 的其他文章：
这里是完整的安装说明。
要安装 Mito 包，请在终端中运行以下命令：
python -m pip install mitoinstaller
python -m mitoinstaller install然后在 Jupyter Lab 中打开一个笔记本并调用 mitosheet：
import mitosheet
mitosheet.sheet()Mitosheet 可以在分析的任何阶段调用。你可以在表单调用中将数据框传递给 Mitosheet 作为参数。
mitosheet.sheet(df)你可以使用导入按钮从本地文件中安装数据。
Mito 提供了一系列功能，允许用户清理、处理和探索数据。这些功能中的每一个都会在下面的代码单元中生成等效的 Python 代码。
在 Mito 中，你可以：
-
过滤
-
数据透视
-
合并
-
图表
-
查看汇总统计数据
-
使用电子表格公式
-
还有更多…
对于这些编辑中的每一个，Mito 都会在下面的代码单元中生成 Pandas 代码，用户可以将其用于分析或发送给同事。
下面是使用 Mito 创建数据透视表的样子：
Mito 的数据透视表（作者制作的可视化）
生成的示例数据透视表代码如下（代码是自动文档化的）：
# Pivoted ramen_ratings_csv into df3
unused_columns = ramen_ratings_csv.columns.difference(set(['Style']).union(set(['Brand'])).union(set({'Style'})))
tmp_df = ramen_ratings_csv.drop(unused_columns, axis=1)
pivot_table = tmp_df.pivot_table(
index=['Style'],
columns=['Brand'],
values=['Style'],
aggfunc={'Style': ['count']}
)# Flatten the column headers
pivot_table.columns = [flatten_column_header(col) for col in pivot_table.columns.values]下面是查看列的汇总统计数据的过程：
使用 Mito 的汇总统计（作者制作的可视化）
正确获取 Python 数据可视化的语法可能是一个耗时的过程。Mito 允许你在点击环境中生成图表，然后给出这些图表的等效代码。
创建图表后，点击“复制图表代码”按钮：
使用 Mito 制作图表（图像由作者制作）
然后将代码粘贴到任何代码单元格中。Mito 允许进行可重复的可视化过程。
Mito 生成代码（图像由作者制作）
Mito 是生成 Python 代码的快速方法，特别适合那些熟悉 Excel 的人。它节省了很多去 Stack Overflow 或 Google 查找正确语法的时间。
Mito 绝对值得尝试，尽管它会在引入更多图表类型和更好的批量编辑能力（批量删除列、重命名等）时变得更加有价值。
如果你喜欢阅读这些故事，何不成为一个Medium 付费会员呢？每月 $5，你将获得无限访问数万篇故事和作者的权限。如果你使用我的链接注册，* 我将获得一小笔佣金。*
由 Courtney Hedger 拍摄，来源于 Unsplash
个人简介：Roman Orac 是一位机器学习工程师，在改进文档分类和项目推荐系统方面取得了显著成功。Roman 具有管理团队、指导初学者和向非工程师解释复杂概念的经验。
原文。经授权转载。
相关：
-
在 Jupyter Notebook 中分析 Python 代码
-
Python 序列的 5 个高级技巧
-
用 Faker 生成 Python 合成数据
1. Google 网络安全证书 - 快速进入网络安全职业轨道。
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 - 支持你的组织的 IT