Для тех, кто душой прикипел к Excel…

В больших устоявшихся компаниях мы зачастую можем встретить коллег, которые работают в них не один десяток лет. Они настоящие профессионалы своего дела, знающие все тонкости и детали, всегда готовы помочь и дать совет. Но с каждым годом объем данных стремительно увеличивается, программы, к которым они привыкли не справляются, и из раза в раз им приходится обращаться к коллегам за помощью в тривиальных задачах по обработке данных, только потому что их инструмент не приспособлен к таким нагрузкам.

Для тех, кто начинает погружаться в освоение современных способов обработки данных и начал изучать python, я советую попробовать библиотеку Mito.

Mito - электронная таблица, которая генерирует Python-код. Вы можете вызвать её в своем Jupyter-ноутбуке и каждое изменение, внесенное в электронную таблицу, будет генерировать эквивалентный Python-код.

Чтобы установить Mito, выполните следующие код в ноутбуке:

!pip install mitosheet

Для импортирования библиотеки и запуска графического интерфейса выполняем команды:

import mitosheet mitosheet.sheet()

Импорт данных

Для загрузки данных в формате csv или xlsx в интерфейсе предусмотрена кнопка ”Import”.

Mito сгенерирует:

# Imported 12321.csv import pandas as pd df_12321 = pd.read_csv(r'12321.csv')

Если вы хотите загрузить данные из DataFrame, то пропишите в скобках имя переменной, в которой он хранится:

import mitosheet mitosheet.sheet(r'12321.csv')

Вы можете одновременно открыть несколько разных таблиц.

Обработка данных

В Mito вы можете использовать: функции, фильтровать, сортировать, объединять наборы данных, изменять типы данных и многое другое. Например, переименовать столбец в два клика.

Mito сгенерирует:

# Renamed columns c df_12321.rename(columns={'color': 'c'}, inplace=True)

Анализ данных

Mito обладает достаточно большим функционалом. Например, вы можете посчитать сводную таблицу в Mito, нажав кнопку “Pivot” на панели инструментов, а затем выбрав строки, столбцы, значения и типы агрегирования.

Mito сгенерирует:

# Pivoted into df_12321 tmp_df = df_12321[['director_name', 'country']] pivot_table = tmp_df.pivot_table( index=['country'], values=['director_name'], aggfunc={'director_name': ['count']} ) pivot_table.set_axis([flatten_column_header(col) for col in pivot_table.keys()], axis=1, inplace=True) df_12321_pivot = pivot_table.reset_index()

Это гораздо более быстрый способ создания кода, чем постоянное переписывание.

Помимо самого сгенерированного кода команды Mito автоматически прокомментирует каждый из этих запросов.

Кроме работы со строками здесь можно работать и со столбцами: удалять, добавлять, переименовывать. Если вы по неосторожности сделали что-то не так: удалили данные или испортили их, просто нажмите

для отмены действия.

Визуализация

Одной из ключевых частей в анализе данных является построение промежуточных и итоговых графиков и прочих визуализаций. Mito позволяет создавать диаграммы и графики просто щелкая по интерфейсу, а затем копировать код графика и вставлять его туда, где надо его применить.

Чтобы создать диаграмму - нажмите кнопку “Graph”, выберете тип графика и оси.

Mito сгенерирует:

# Filter the dataframe so that it does not crash the browser df_12321_filtered = df_12321.head(1000)

# Construct the graph and style it. Further customize your graph by editing this code. # See Plotly Documentation for help: https://plotly.com/python/plotly-express/ fig = px.box(df_12321_filtered, x='content_rating', y='gross', points='outliers') fig.update_layout( title='content_rating, gross (first 1000 rows) box plot', xaxis = dict( showgrid=True, rangeslider = dict( visible=True, thickness=0.05 ) ), yaxis = dict( showgrid=True ), legend = dict( orientation='v' ), paper_bgcolor='#FFFFFF' ) fig.show(renderer="iframe")

Графики динамические, Mito подсветит вам экстремумы, квантили и выведет их значения в сплывающих окнах.

И это только малая часть того, на что способна библиотека Mito.

На рынке в сегменте библиотек для работы с данными в графическом интерфейсе есть три основных игрока: D-tale, Bamboolib и Mito. Они все достойны внимания, но самый нативный подход у Mito. Так же Mito обладает самым обширным функционалом. Мне Mito сильно помог разобраться с некоторыми функциями pandas’а в начале моего погружения в программирования, а сейчас он позволяет мне экономить очень много времени.

Mito отлично подходит любителям Excel, которые хотят перевести свои навыки на Python и ускорить обработку больших объемов данных. Так же он подойдет пользователям Python, которые хотят быстрее генерировать свой код, без необходимости искать его в Google или на Stack Overflow.

Всю документацию Mito можно найти по ссылке: https://docs.trymito.io