携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第9天，点击查看活动详情
- 💡 作者：韩信子@ShowMeAI
- 📘 数据分析 ◉ 技能提升系列：www.showmeai.tech/tutorials/3…
- 📘 数据分析实战系列：www.showmeai.tech/tutorials/4…
- 📘 本文地址：www.showmeai.tech/article-det…
- 📢 声明：版权所有，转载请联系平台与作者并注明出处
- 📢 收藏ShowMeAI查看更多精彩内容
Excel是大家最常用的数据分析工具之一，借助它可以便捷地完成数据清理、统计计算、数据分析（数据透视图）和图表呈现等。
但是！大家有没有用 Excel 处理过大一些的数据（比如几十上百万行的数据表），Excel 就会变得非常慢，甚至直接崩溃。
辛辛苦苦做一半的工作很有可能要重做！那就不只是 Excel 崩溃了，我们也得一边崩溃一边加班赶 deadline。
在本篇文中，ShowMeAI 将给大家介绍到 Python 中非常好用的交互式表格工具，它们的功能性和使用便捷度和 Excel 相当，同时有很好的内存优化，非常适合处理大文件表格。
工具1：Mito
Mito 是 Python 中的电子表格，它同时拥有 Excel 电子表格的简单易用性和 Python 的强大功能。我们可以像使用 Excel 一样使用 Mito，并且在我们执行每个操作之后，Mito 将自动生成与每个操作对应的 Python 代码。
使用 Mito 工具库，我们首先需要安装 Python 和 Jupyter Notebook 或 Jupyter Lab， 然后我们通过终端或命令行运行以下命令来安装 Mito。
python -m pip install mitoinstaller
python -m mitoinstaller install
下面我们来演示一下，如何在 Mito 中完成我们在 Excel 中的操作，如读取文件、创建列、数据透视表、可视化等。
💡 Mito：文件读取
Excel 默认对文件行数有限制。在内存足够时，Excel 可以打开数百万行的文件，但是只显示前 1048576 行。感兴趣的话可以测试下这个数据~同样在内存充足的情况下，Mito 打开文件的大小没有限制。来看具体操作！
读入表格文件
在读取 CSV 文件之前，先导入工具库，创建一个 Mito 电子表格对象，代码如下：
import mitosheet
mitosheet.sheet()
接下来的读取操作就可以用鼠标完成了， 下图的演示中，使用到的数据集是学校成绩数据集，大家可以在ShowMeAI的百度网盘地址下载 。 下载文件后，单击『+』或『导入』按钮进行阅读，如下图所示：
🏆 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这里 获取本文 [7] 使用 Mito 和 Bamboolib 进行超大量数据的处理(Python) 『Spreadsheets 数据集』
⭐ ShowMeAI官方GitHub：github.com/ShowMeAI-Hu…
自动生成代码
除了导入之外，还会自动生成下面的代码。（这本是需要熟悉 Pandas 工具库的同学通过编码完成的。但现在我们简单操作之后，就可以自动生成了！）
import pandas as pd
StudentsPerformance_csv = pd.read_csv(r'StudentsPerformance.csv')
💡 Mito：基本表格操作
在 Excel 中，我们会创建一个『宏』来记录一组可以随时执行的操作。对应到 Mito中，我们可以做同样的事情，借助于 Python 生态与各种开源库，我们可以完成更多自动化的操作，比如处理完表格之后通过电子邮件发送报告，使用微信发送文件，导入数据到数据库中等。
下面我们用 Mito 执行一些操作，就好像我们在使用 Excel 一样。
创建新列&重命名列
如果要创建新列，只需单击『添加列』按钮。默认情况下，『Add Col』按钮将创建一个名为『new-column』的列，我们将通过双击列名将其重命名为『average』。
自动代码生成
这一步结束后，Mito 又生成了与我们在电子表格上执行的操作相对应的 Python 代码！
# Added column new-column-uca5 to StudentsPerformance_csv
StudentsPerformance_csv.insert(8, 'new-column-uca5', 0)
# Renamed new-column-uca5 to average in StudentsPerformance_csv
StudentsPerformance_csv.rename(columns={'new-column-uca5': 'average'}, inplace=True)
💡 Mito：统计分析
我们经常要对数据做统计分析，如果要对一行做统计计算，我们只需将公式写在一个单元格中。
求平均统计
假设我们要计算数学、阅读和写作的平均分数。 我们只需要在『average』列的任何单元格中填入公式 (math score+reading score+writing score)/3，如下图所示：
自动代码生成
同样 Mito 生成了pandas的统计代码：
# Set new-column-uca5 in StudentsPerformance_csv to =(math score+reading score+writing score)/3
StudentsPerformance_csv['average'] = (StudentsPerformance_csv['math score']+StudentsPerformance_csv['reading score']+StudentsPerformance_csv['writing score'])/3
💡 Mito：数据透视表
在Mito中创建数据透视表同样非常简单，单击『数据透视』按钮， 然后选择行、列和值。
创建数据透视表
下图演示了我们创建一个数据透视表，在『种族/民族』列中显示 A、B、C、D 和 E 组的数学和阅读分数的平均值。
自动生成代码
同样在Mito操作过后，我们生成了如下的 Python 代码。
# Imported StudentsPerformance.csv
import pandas as pd
StudentsPerformance_csv = pd.read_csv(r'StudentsPerformance.csv')
# Pivoted StudentsPerformance_csv into df2
unused_columns = StudentsPerformance_csv.columns.difference(set(['race/ethnicity']).union(set([])).union(set({'math score', 'reading score'})))
tmp_df = StudentsPerformance_csv.drop(unused_columns, axis=1)
pivot_table = tmp_df.pivot_table(
index=['race/ethnicity'],
values=['math score', 'reading score'],
aggfunc={'math score': ['mean'], 'reading score': ['mean']}
)
pivot_table.columns = [flatten_column_header(col) for col in pivot_table.columns.values]
df2 = pivot_table.reset_index()
💡 Mito：可视化&绘图
使用 Mito 可以轻松创建饼图和条形图等基本图例用于可视化， 我们只需要点击『图表』并选择图表类型。
条形图示例
让我们为之前创建的数据透视表创建一个条形图，在 X 轴上显示『种族/民族』，在 Y 轴上显示『数学分数平均值』。
很炫酷有没有！而且 a、b、c 和 d 中生成的代码行相当于 Excel 宏， 每次我们运行代码时，我们都会执行所有记录下来的操作。
工具2：Bamboolib
当我们在Excel工作簿中进行内存密集型计算时，它非常容易卡顿感和崩溃，但这些计算在 Python 中是非常简单可以完成的，我们可以结合另一个名为bamboolib 的 Python 库完成一系列数据操作。
大家可以通过命令 pip install --upgrade bamboolib --user安装 bamboolib。
安装完成之后，我们运行以下命令来读取 CSV 或 Excel 文件。
import bamboolib as bam
bam
📢 Bamboolib：大文件读取
在这里，我们使用包含超过 100 万行的 CSV 大文件sales-data-1M来讲解操作和计算实现，大家可以在ShowMeAI的百度网盘地址下载。
🏆 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这里 获取本文 [7] 使用 Mito 和 Bamboolib 进行超大量数据的处理(Python) 『Spreadsheets 数据集』
⭐ ShowMeAI官方GitHub：github.com/ShowMeAI-Hu…
和 Mito 工具库一样，Bamboolib 也为我们生成代码如下
后续内容中我们只演示步骤，但会隐藏生成的代码，大家可以实际操作来查看生成的代码
import pandas as pd
df = pd.read_csv('./data/sales-data.csv', sep=',', decimal='.', nrows=100000)
df
📢 Bamboolib：新建列&统计计算
如果我们要创建一个新列，我们可以在搜索栏上搜索『列命名』操作，然后键入列公式。下图演示我们使用公式创建一个『价格』列 (revenue/quantity).
📢 Bamboolib：数据透视表
下面我们在搜索栏中输入『数据透视表』。 然后我们在数据行中按产品对数据进行分组，并使用『sum』作为聚合函数，整个操作如下图所示：
📢 Bamboolib：可视化&绘图
接下来，我们创建一个饼图。 我们点击『Create Plot』按钮，选择图形类型，然后选择我们想要显示的值。
📢 Bamboolib：信息/属性抽取
下面我们从『日期』列中提取属性，我们希望提取出月份，要完成这个操作，我们会将『日期』列的数据类型更改为 date（现在类型为 str)，然后再提取属性。操作动图演示如下：
参考资料
- 🏆 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这里 获取本文 [7] 使用 Mito 和 Bamboolib 进行超大量数据的处理(Python) 『Spreadsheets 数据集』
- ⭐ ShowMeAI官方GitHub：github.com/ShowMeAI-Hu…
- 📘 Mito 官方文档 docs.trymito.io/
- 📘 Mito Github github.com/mito-ds/mon…
- 📘 Mito 使用示例 github.com/mito-ds/mit…
- 📘 Bamboolib官方文档 bamboolib.8080labs.com/
- 📘 Bamboolib Github github.com/tkrabel/bam…
