再見 Excel，你好 Python Spreadsheets！⛵

語言: CN / TW / HK
時間 2022-09-29 17:15:22

highlight: a11y-dark

攜手創作，共同成長！這是我參與「掘金日新計劃 · 8 月更文挑戰」的第9天，點選檢視活動詳情

Excel是大家最常用的資料分析工具之一，藉助它可以便捷地完成資料清理、統計計算、資料分析（資料透檢視）和圖表呈現等。

但是！大家有沒有用 Excel 處理過大一些的資料（比如幾十上百萬行的資料表），Excel 就會變得非常慢，甚至直接崩潰。

辛辛苦苦做一半的工作很有可能要重做！那就不只是 Excel 崩潰了，我們也得一邊崩潰一邊加班趕 deadline。

在本篇文中，ShowMeAI 將給大家介紹到 Python 中非常好用的互動式表格工具，它們的功能性和使用便捷度和 Excel 相當，同時有很好的記憶體優化，非常適合處理大檔案表格。

工具1：Mito

Mito 是 Python 中的電子表格，它同時擁有 Excel 電子表格的簡單易用性和 Python 的強大功能。我們可以像使用 Excel 一樣使用 Mito，並且在我們執行每個操作之後，Mito 將自動生成與每個操作對應的 Python 程式碼。

使用 Mito 工具庫，我們首先需要安裝 Python 和 Jupyter Notebook 或 Jupyter Lab， 然後我們通過終端或命令列執行以下命令來安裝 Mito。

python -m pip install mitoinstaller python -m mitoinstaller install

下面我們來演示一下，如何在 Mito 中完成我們在 Excel 中的操作，如讀取檔案、建立列、資料透視表、視覺化等。

💡 Mito：檔案讀取

Excel 預設對檔案行數有限制。在記憶體足夠時，Excel 可以開啟數百萬行的檔案，但是隻顯示前 1048576 行。感興趣的話可以測試下這個資料~同樣在記憶體充足的情況下，Mito 開啟檔案的大小沒有限制。來看具體操作！

讀入表格檔案

在讀取 CSV 檔案之前，先匯入工具庫，建立一個 Mito 電子表格物件，程式碼如下：

import mitosheet mitosheet.sheet()

接下來的讀取操作就可以用滑鼠完成了， 下圖的演示中，使用到的資料集是學校成績資料集，大家可以在ShowMeAI的百度網盤地址下載 。 下載檔案後，單擊『+』或『匯入』按鈕進行閱讀，如下圖所示：

🏆 實戰資料集下載（百度網盤）：公眾號『ShowMeAI研究中心』回覆『實戰』，或者點選 這裡 獲取本文 [7] 使用 Mito 和 Bamboolib 進行超大量資料的處理(Python) 『Spreadsheets 資料集』

⭐ ShowMeAI官方GitHub：http://github.com/ShowMeAI-Hub

自動生成程式碼

除了匯入之外，還會自動生成下面的程式碼。（這本是需要熟悉 Pandas 工具庫的同學通過編碼完成的。但現在我們簡單操作之後，就可以自動生成了！）

import pandas as pd StudentsPerformance_csv = pd.read_csv(r'StudentsPerformance.csv')

💡 Mito：基本表格操作

在 Excel 中，我們會建立一個『巨集』來記錄一組可以隨時執行的操作。對應到 Mito中，我們可以做同樣的事情，藉助於 Python 生態與各種開源庫，我們可以完成更多自動化的操作，比如處理完表格之後通過電子郵件傳送報告，使用微信傳送檔案，匯入資料到資料庫中等。

下面我們用 Mito 執行一些操作，就好像我們在使用 Excel 一樣。

建立新列&重新命名列

如果要建立新列，只需單擊『新增列』按鈕。預設情況下，『Add Col』按鈕將建立一個名為『new-column』的列，我們將通過雙擊列名將其重新命名為『average』。

自動程式碼生成

這一步結束後，Mito 又生成了與我們在電子表格上執行的操作相對應的 Python 程式碼！

```

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：統計分析

我們經常要對資料做統計分析，如果要對一行做統計計算，我們只需將公式寫在一個單元格中。

求平均統計

假設我們要計算數學、閱讀和寫作的平均分數。 我們只需要在『average』列的任何單元格中填入公式 (math score+reading score+writing score)/3，如下圖所示：

自動程式碼生成

同樣 Mito 生成了pandas的統計程式碼：

```

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：資料透視表

在Mito中建立資料透視表同樣非常簡單，單擊『資料透視』按鈕， 然後選擇行、列和值。

建立資料透視表

下圖演示了我們建立一個數據透視表，在『種族/民族』列中顯示 A、B、C、D 和 E 組的數學和閱讀分數的平均值。

自動生成程式碼

同樣在Mito操作過後，我們生成了如下的 Python 程式碼。

```

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：視覺化&繪圖

使用 Mito 可以輕鬆建立餅圖和條形圖等基本圖例用於視覺化， 我們只需要點選『圖表』並選擇圖表型別。

條形圖示例

讓我們為之前建立的資料透視表建立一個條形圖，在 X 軸上顯示『種族/民族』，在 Y 軸上顯示『數學分數平均值』。

很炫酷有沒有！而且 a、b、c 和 d 中生成的程式碼行相當於 Excel 巨集， 每次我們執行程式碼時，我們都會執行所有記錄下來的操作。

工具2：Bamboolib

當我們在Excel工作簿中進行記憶體密集型計算時，它非常容易卡頓感和崩潰，但這些計算在 Python 中是非常簡單可以完成的，我們可以結合另一個名為bamboolib 的 Python 庫完成一系列資料操作。

大家可以通過命令 pip install --upgrade bamboolib --user安裝 bamboolib。

安裝完成之後，我們執行以下命令來讀取 CSV 或 Excel 檔案。

import bamboolib as bam bam

📢 Bamboolib：大檔案讀取

在這裡，我們使用包含超過 100 萬行的 CSV 大檔案sales-data-1M來講解操作和計算實現，大家可以在ShowMeAI的百度網盤地址下載。

🏆 實戰資料集下載（百度網盤）：公眾號『ShowMeAI研究中心』回覆『實戰』，或者點選 這裡 獲取本文 [7] 使用 Mito 和 Bamboolib 進行超大量資料的處理(Python) 『Spreadsheets 資料集』

⭐ ShowMeAI官方GitHub：http://github.com/ShowMeAI-Hub

和 Mito 工具庫一樣，Bamboolib 也為我們生成程式碼如下

後續內容中我們只演示步驟，但會隱藏生成的程式碼，大家可以實際操作來檢視生成的程式碼

import pandas as pd df = pd.read_csv('./data/sales-data.csv', sep=',', decimal='.', nrows=100000) df

📢 Bamboolib：新建列&統計計算

如果我們要建立一個新列，我們可以在搜尋欄上搜索『列命名』操作，然後鍵入列公式。下圖演示我們使用公式建立一個『價格』列 (revenue/quantity).

📢 Bamboolib：資料透視表

下面我們在搜尋欄中輸入『資料透視表』。 然後我們在資料行中按產品對資料進行分組，並使用『sum』作為聚合函式，整個操作如下圖所示：

📢 Bamboolib：視覺化&繪圖

接下來，我們建立一個餅圖。 我們點選『Create Plot』按鈕，選擇圖形型別，然後選擇我們想要顯示的值。

📢 Bamboolib：資訊/屬性抽取

下面我們從『日期』列中提取屬性，我們希望提取出月份，要完成這個操作，我們會將『日期』列的資料型別更改為 date（現在型別為 str)，然後再提取屬性。操作動圖演示如下：

參考資料

「其他文章」
「」
「」