PandasGUI hadir dengan kumpulan data sampel yang akan diunduh pada penggunaan pertama. Anda juga dapat mengimpor Show
from pandasgui import show from pandasgui.datasets import pokemon, titanic, all_datasets show(pokemon, titanic) show(**all_datasets) Fitur
Info lebih lanjutMasalah, umpan balik, dan permintaan tarik dipersilakan Proyek ini masih dalam versi 0. x. y dan dapat melanggar perubahan. Perubahan terbaru akan berada di cabang Jika Anda menyukai proyek ini, ingatlah untuk meninggalkan ⭐. Dan jika Anda ingin memberi lebih banyak dukungan, Anda dapat membeli saya kopi Berapa kali Anda menggunakan perpustakaan Panda untuk tugas Ilmu Data Anda? . Pandas adalah perpustakaan penting untuk manipulasi data dan menghasilkan wawasan dari kumpulan data dalam bentuk tabel ringkasan, visualisasi, dan banyak lagi PandasGUI adalah library berbasis Python yang memfasilitasi manipulasi data dan ringkasan statistik untuk diterapkan pada dataset menggunakan GUI. Itu berarti bahwa semua operasi akan dilakukan melalui antarmuka pengguna grafis (GUI), tetapi panda akan digunakan untuk menjalankannya di balik layar. Pada artikel ini, saya akan memandu Anda melalui semua fitur pustaka ini, cara menghasilkan plot interaktif, dan cara mengakses kode Python otomatis yang dibuat untuk semua operasi yang dilakukan melalui GUI (Gambar oleh Penulis, Dibuat di Canva)InstalasiPandasGUI adalah paket Python dan dapat diinstal melalui pengelola paket pip. Catatan. Saya akan merekomendasikan menggunakan Python 3. 8 ke atas untuk pemasangan. Selain itu, pastikan untuk membuat lingkungan terpisah (lingkungan virtual) dan instal pustaka di lingkungan tersebut Membuat lingkungan virtual (conda) Jalankan perintah ini di terminal Anda conda create -n nameofenv python=version conda activate nameofenv Menginstal pandasgui pip install pandasgui Butuh sedikit untuk menginstal perpustakaan karena dependensinya cukup berat MempersiapkanHal pertama yang pertama, muat perpustakaan. Kami tertarik dengan fungsi show() dari pustaka pandasGUI yang menginisialisasi aplikasi from pandasgui import show_ Fungsi ini dapat digunakan dengan dua cara
Untuk saat ini, kami akan memuat aplikasi tanpa dataset apa pun, show() Dan Anda akan mendapatkan tampilan seperti ini Layar pertama kali Berbagai fiturSekarang, kami akan menjelajahi semua fitur aplikasi ini selangkah demi selangkah Memuat Kumpulan DataUntuk memuat kumpulan data ke dalam aplikasi, Anda memiliki berbagai opsi
Lihat GIF di bawah ini Operasi di LayarTerlepas dari berbagai tab dan menu yang ditawarkan oleh aplikasi pandasGUI, ada beberapa operasi yang dapat Anda terapkan secara langsung dengan memicu elemen GUI yang ditampilkan. 1. Semua sel dari kumpulan data yang ditampilkan dapat diedit. Anda dapat mengklik salah satu sel dan melakukan pengeditan. Ini sangat mirip dengan apa yang Anda lakukan di lembar excel. Nilai apa pun dapat langsung diubah 2. Klik kanan pada tajuk kolom akan memberi Anda menu kolom interaktif yang berisi opsi untuk menyortir kolom dengan urutan naik, turun, memindahkan kolom ke ujung ekstrem atau dalam rentang, mem-parsing kolom yang berisi tanggal sebagai string ke format datetime panda, Opsi Tajuk Kolom 3. Dengan menyeret dan memilih bagian mana pun dari kumpulan data, Anda dapat menyalin bagian tersebut dan menempelkannya ke sel mana pun di lembar excel. Ini akan secara otomatis diubah menjadi format tabel seperti yang ditunjukkan dalam aplikasi itu sendiri 4. Klik kanan pada nama kerangka data di panel kiri muncul opsi untuk menghapus kerangka data dari aplikasi FilterMenerapkan filter ke kumpulan data adalah salah satu tugas terpenting dalam tugas ilmu data apa pun. Ini membantu dalam mengisolasi segmen dataset dan mengerjakan bagian yang terisolasi itu. Di panda, Anda biasanya menggunakan perbandingan, nilai ambang dengan kolom, atau seluruh kumpulan data untuk memfilter data. Di pandasGUI, Anda dapat melakukan jenis pemfilteran yang sama menggunakan tab Filter di sebelah kanan Cukup ketikkan ekspresi untuk pemfilteran dan hanya data yang memenuhi syarat yang akan ditampilkan. Lihat contoh di bawah ini Memfilter data dengan “cut=ideal” Anda dapat menerapkan beberapa filter dan mengaktifkan/menonaktifkannya menggunakan kotak centang di sebelah kiri. Lihat contoh di bawah ini di mana beberapa filer diterapkan Contoh di mana beberapa filter diterapkan ke kumpulan data
Tab StatistikStatistik memainkan peran penting dalam tampilan deskriptif dari semua fitur dataset. Ini berisi parameter seperti persentil yang membantu dalam mendapatkan wawasan tentang bagaimana data tersebar, rata-rata, yang dipengaruhi oleh outlier, masih dapat memberi tahu kita tentang pusat data dan standar deviasi memberi tahu tentang seberapa banyak data kolom bervariasi di dalamnya. Kolom dengan standar deviasi 0 tidak akan berguna karena ini berarti bahwa semua nilai kolom adalah sama yang tidak membantu untuk memprediksi nilai target Untuk menyimpulkan wawasan tersebut, klik pada tab statistik dan Anda akan mendapatkan ringkasan jenis data, jumlah, jumlah nilai unik, rata-rata, standar deviasi, dan min-max. Untuk nilai tipe string, parameter yang dihitung secara numerik seperti rata-rata akan menjadi nol Ringkasan Statistik Tab GrapherGrafik dan visualisasi adalah alat yang sangat ampuh dalam menyajikan ringkasan data menggunakan elemen visual. Misalnya, grafik Distribusi dapat membantu dalam menentukan apakah nilai kolom sejajar dengan distribusi normal/kurva berbentuk lonceng yang menyederhanakan tugas kita untuk menentukan parameter populasi dan menyimpulkan fakta berdasarkan sampel Boxplot membantu dalam menentukan sebaran data, berapa banyak nilai yang harus dianggap sebagai outlier. Itu juga mewakili di mana 50% dari data berada. Jenis plot lain seperti histogram, diagram batang, plot pencar, plot garis, kontur memiliki kelebihannya sendiri, dan oleh karena itu, memplot data itu penting Untuk memplot visualisasi tersebut menggunakan pandasGUI, cukup beralih ke tab Grapher dan Anda akan mendapatkan layar awal seperti ini Layar awal tab Grapher Anda dapat memilih dari histogram, plot pencar, diagram batang, plot kotak, plot biola, 3D pencar, peta panas, plot kontur, diagram lingkaran, splom, kandil, kandil, dan awan kata. Semua plot ini dibuat menggunakan perpustakaan Plotly di backend dan oleh karena itu, plot bersifat interaktif Mari plot beberapa data. Untuk melakukan plotting, cukup pilih semua jenis plot, lalu seret nama kolom dari panel kiri ke parameter plot yang disebutkan di sebelah kanannya. Lihat contoh di bawah ini Anda dapat melihat bahwa ketika "x" meningkat, "harga" meningkat secara eksponensial. Plot bersifat interaktif karena backend plotly. Parameter seperti "x", "y", "color" berubah sesuai plot yang akan ditampilkan. Misalnya, Anda tidak akan mendapatkan parameter "x", "y" untuk kata cloud Mari plot cloud kata untuk kumpulan data yang berbeda, ulasan aplikasi Google Play Store, yang berisi informasi tekstual tentang umpan balik aplikasi Awan kata untuk ulasan aplikasi toko Google Play Opsi umum lainnya tersedia untuk setiap plot yang tersedia di bagian bawah kolom dan panel parameter. Ini termasuk Kwarg kustom. Saat pembuatan plot dilakukan secara plot, Anda dapat menambahkan semua kwarg yang didukung oleh plotly express. Argumen saat ini mungkin dibatasi untuk kasus penggunaan terbaik, tetapi Anda dapat meneruskan argumen khusus menggunakan opsi ini. Misalnya, nama default kolom "x" dapat diubah menjadi nama lain menggunakan argumen "label". Kwarg kustom Simpan HTML. Dengan menggunakan opsi ini, Anda dapat menyimpan plot yang dihasilkan ke dalam file HTML. File ini dapat digunakan secara mandiri tanpa memerlukan backend apa pun. File HTML menampilkan grafik secara interaktif menggunakan JavaScript Mengatur ulang. Opsi ini menghapus semua nilai parameter Ekspor Kode. Anda dapat mengekspor kode untuk memplot grafik menggunakan opsi ini. Kode akan kekurangan kata kunci khusus yang disediakan tetapi kode dasar akan membantu Anda memulai dengan merencanakan Pratinjau kwargs. Ini menampilkan semua argumen saat ini yang digunakan untuk memplot grafik Menyelesaikan. Setiap kali Anda ingin menjalankan kembali kode plot Anda, Anda dapat mengklik opsi ini. Ini berguna dalam kasus ketika Anda telah menerapkan argumen khusus dan Anda ingin memuat ulang grafik dengan argumen yang diterapkan tersebut Tab Pembentuk UlangTabel ringkasan seperti tabel Pivot memainkan peran penting untuk meringkas data berdasarkan fungsi agregasi seperti rata-rata, median, jumlah, dll. Anda cukup membuat tabel ini menggunakan tab reshaper. Tab ini menawarkan tabel Pivot, tabel peleburan, penggabungan dan penggabungan tabel. Cukup seret nama kolom dari panel kiri ke parameter yang diperlukan dan klik selesai Anda akan mendapatkan kerangka data baru dengan ringkasan yang dipilih. Mari buat tabel pivot untuk ringkasan untuk "potong" sebagai indeks, "warna" sebagai kolom baru, dan nilai rata-rata gabungan "kedalaman" dari kumpulan data berlian Tetapkan PreferensiSeperti aplikasi lainnya, Anda dapat mengubah pengaturan default pandasGUI menggunakan opsi preferensi set menu pengaturan. Anda dapat mengubah tema aplikasi ke mode gelap, menonaktifkan fitur di layar yang dapat diedit, menyetel auto_finish ke True, mengubah mode render, mengubah fungsi agregasi default dari mean ke fungsi lain, dan memformat judul Pengaturan preferensi Ekspor Dataset dan KodeSetelah Anda selesai dengan semua eksplorasi dan manipulasi data, Anda dapat mengakses kode setara panda untuk semua operasi yang dilakukan menggunakan opsi kode ekspor menu edit. Kode ini akan diformat dalam urutan operasi dengan komentar yang sesuai untuk setiap operasi yang dilakukan Pembuatan Kode oleh PandasGUI Di menu edit yang sama, Anda memiliki opsi untuk mengekspor kerangka data yang dimodifikasi. Anda dapat memilih opsi itu atau lebih mudah, Anda dapat menarik dan melepas nama bingkai data ke folder mana pun dan file CSV untuk bingkai data tersebut akan dibuat KesimpulanDalam artikel mendetail ini, saya memperkenalkan Anda ke PandasGUI. Ini adalah alat yang sangat ampuh untuk melakukan manipulasi dan eksplorasi data melalui antarmuka pengguna grafis. Kami mulai dengan penginstalan pustaka, memuat kumpulan data, lalu menjelajahi semua fungsi di layar, melihat setiap tab dengan lebih mendetail, lalu melihat beberapa fungsi lain-lain
Untuk segala keraguan, pertanyaan, atau peluang potensial, Anda dapat menghubungi saya melalui 1. Linkedin — di/kaustubh-gupta/ 2. Twitter — @Kaustubh1828 3. GitHub — kaustubhgupta 4. Medium — @kaustubhgupta1828 Media yang ditampilkan dalam artikel ini bukan milik Analytics Vidhya dan digunakan atas kebijaksanaan Penulis Apa GUI untuk Python DataFrame?PandasGUI adalah pustaka berbasis Python yang memfasilitasi manipulasi data dan ringkasan statistik untuk diterapkan pada kumpulan data menggunakan GUI . Itu berarti bahwa semua operasi akan dilakukan melalui antarmuka pengguna grafis (GUI), tetapi panda akan digunakan untuk menjalankannya di balik layar.
Bagaimana Anda menampilkan DataFrame dengan Python?Contoh 1. Salah satu cara menampilkan dataframe dalam bentuk tabel adalah dengan menggunakan fungsi display() dari IPython. tampilan .
Bagaimana Anda memvisualisasikan DataFrame di Jupyter?Anda dapat memvisualisasikan bingkai data panda di notebook Jupyter dengan menggunakan fungsi display( . Fungsi display() hanya didukung pada kernel PySpark. Kerangka kerja Qviz mendukung 1000 baris dan 100 kolom. Misalnya, Anda memiliki kerangka data panda df yang bertuliskan a.
Apakah panda memiliki GUI?PandasGUI adalah GUI untuk melihat, merencanakan, dan menganalisis Pandas DataFrames. |