全文共2071字，预计学习时长6分钟

Pandas库目前已经成为用Python进行探索性数据分析的绝佳伴侣。它功能丰富，灵活易用，成为了当今许多数据科学家的首选。Pandas库的社区也很完善，这让它能够一直积极发展和改进。

提到Pandas，就不得不提到这两种工具：

· 可以用简短的代码执行基本EDA的工具。这些库本质上是在hood中运行Pandas的功能，如SweetViz和Pandas profiling库。

· 基于GUI的Pandas替代品，如Bamboolib。

最近，笔者发现了另一个基于GUI的Pandas替代，叫做PandasGUI。它具有绘制数据帧以及重新构建数据帧的功能，用户也可以进行任意自定义操作。本文将介绍它的各种功能以及在数据中使用的方法。

PandasGUI，顾名思义，是一个用于分析Pandas数据帧的图形用户界面。该项目仍在积极开发中，可能会发生颠覆性的变化。

可以通过以下几种方式安装PandasGUI：

# from PyPipip install pandasguior# from Githubpip install git+https://github.com/adamerose/pandasgui.git

接下来，笔者将通过一个示例来介绍PandasGUI库的各种功能。PandasGUI已经装配了一些示例数据集，我们使用的是库中已有的Titanic数据集。

Titanic是机器学习中相当有名的“Hello World”数据集，其任务是创建一个模型，预测哪些乘客会在泰坦尼克号沉船事故中幸存。

import pandas as pdfrom pandasgui import showfrom pandasgui.datasets import titanicgui = show(titanic)

可以通过以下方式导入数据集：

titanic = pd.read_csv('https://github.com/adamerose/datasets/blob/master/titanic.csv')gui = show(titanic)

运行上述命令后，PandasGUI中将打开一个单独的窗口，并显示上载的数据帧：

PandasGUI中的Titanic数据帧 | 作者原创图

对DataFrames和Series进行查看与排序

可以查看导入的全部数据帧，然后按升序或降序对其进行快速排序。请注意，PandasGUI也可以处理多类数据帧。

对DataFrames和Series进行查看和排序 | 作者原创图

用查询表达式筛选数据帧

探索了数据集之后，就可以根据一些查询表达式筛选数据集。Pandas最初用Dataframe.query()执行筛选操作。它用字符串形式的表达式来筛选数据，对原始数据帧进行更改，并返回筛选后的数据帧。

就本数据集而言，假设想要筛选出以下乘客：

· 男性

· 属于Pclass 3

· 在沉船事故中幸存

筛选数据帧 | 作者原创图

数据编辑和复制粘贴

此工具的另一个强大功能是可以直接编辑任何条目，甚至可以将选中的数据复制粘贴到另一个类似excel或记事本的文档中。

数据编辑和复制粘贴 | 作者原创图

统计摘要

PandasGUI还提供整个数据集的精简统计摘要。

统计摘要 | 作者原创图

对话绘图

数据可视化是任何数据分析过程中必不可少的，PandasGUI提供了几个选项来快速创建一些酷炫的交互式图表，例如：

PandasGUI可制作的图表 | 作者原创图

用pivot和melt函数重造数据帧

有时需要重造数据以获得更清晰的观察视角。PandasGUI中的pivot函数与melts函数都能实现此功能。

用pivot来重造数据| 作者原创图

通过拖放导入CSV文件

PandasGUI的另一个强大之处是，只需将数据帧拖到GUI界面上，就可以简单地导入数据帧。

通过拖放导入CSV文件 | 作者原创图

从Jupyter Notebook获取GUI数据帧

如果已经直接将数据帧导入到PandasGUI界面上，那么只需几行代码就可以在熟悉的juptyer notebook中获取数据帧。这样就可以随时让notebook自带数据分析过程。

从Jupyter Notebook访问GUI数据帧 | 作者原创图

Pandas GUI正在积极开发中，我们可能会在未来看到更多的功能。它拯救了对于那些不喜欢编码或者想要借助低代码平台的人，赶紧掌握它吧！

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范