又一个 Jupyter 神器，操作 Excel 自动生成 Python 代码_mito安装

不得不说，Jupyter对于表的处理真的是越来越方便了，很多库可以直接实现可视化操作，无需写代码。

但是这还不够，最近看到一个神器叫Mito，它真的是做到了无需写一行代码，而且手动的操作可以自动转换为代码，供后续批量化操作，这简直不要太爽。喜欢记得收藏、点赞、关注。

注：完整资料、代码、技术沟通，文末获取

一、Mito是什么？

Mito是Jupyter notebook的一个插件，作用是编辑电子表格，并在编辑表格（带格式转换功能）时，可以生成相对应的Python代码。

下面是具体的操作演示，感受一下它的强大！

使用Mito和使用Excel表格没什么太大区别，只需要掌握一些Mito的自定义函数即可，然后它会自动生成pandas处理表的代码。

二、Mito 安装

Mito的安装要求比较简单，有两个：

• Python 3.6或更高版本

• 需要安装了Node

打开终端，直接pip安装：

pip install mitosheet
1

然后，安装JupyterLab扩展管理器。这个命令可能需要运行个几分钟：

jupyter labextension install @jupyter-widgets/jupyterlab-manager@2
1

最后，启动JupyterLab就完事了。

jupyter lab
1

也可以用conda安装到一个虚拟环境里。

三、Mito 操作方法

创建一个表

import mitosheet
mitosheet.sheet()
1
2

导入数据

可以使用pandas读入数据生成dataframe给mitosheet。如果不想写代码，也可以手动点导入按钮导入数据，导入数据代码会自动生成。

# import Python packages
import mitosheet
import pandas as pd

# Create a simple dataframe to display
car_data = pd.DataFrame({'car': ['Toyota', 'Nissan', 'Honda', 'Mini Cooper', 'Saturn'], 'mph': [60, 50, 60, 75, 90], 'length': [10, 12, 13, 8, 9]})

# render the Mitosheet with car_data
mitosheet.sheet(car_data)
1
2
3
4
5
6
7
8
9

操作方法

和Excel一样，一般的两种方法。

１.公式法： 如果对公式熟练，直接敲入函数即可，比如sum、sumif这种等等。公式法其实就是个孰能生巧的事。我看了下，Mito中的函数不复杂，使用很容易上手。

２.分析工具： 如果不熟练函数，Mito也提供了分析工具，比如合并、透视表、筛选、排序、保存分析等部分功能，都是点点点的操作。

对于分析工具，给大家演示几种常见的数据处理操作，找找感觉。

合并数据集

Mito的合并功能可用于将数据集水平组合在一起。通过查找两个表关键列的匹配项，然后将这些匹配项数据组合到一行中。

首先，选择要合并在一起的两个Mito工作表。其次，选择合并的键。最后，选择保留哪些列。

数据透视表

首先，选择一个关键字对数据分组。然后，如果想进一步将组分层为单个单元格，继续选择列。最后，选择聚合的列和方法。

筛选

Mito通过组合过滤器和过滤器组来提供强大的过滤功能。

• 过滤器是单个条件，对于该列中的每个单元格，其评估结果为true或false。

• 过滤器组是结合了布尔运算符的过滤器聚合。

排序

保存分析

可以像保存宏一样保存分析。通过保存分析，可以保存应用于数据的转换，以便以后可以将其重新应用于新的数据集。

四、后话

对于Mito的背后原理，这里不过多介绍，如果感兴趣可以参考这篇博客：

https://trymito.io/blog/transpiler

Mito的创作者是三位来自宾大的学霸 Aaron Diamond-Reivich、Jake Diamond-Reivich和Nate Rush，他们是在搞数据分析的时候，萌生了想要制作Mito的想法。

参考：https://docs.trymito.io/

推荐文章

• 李宏毅《机器学习》国语课程(2022)来了

• 有人把吴恩达老师的机器学习和深度学习做成了中文版

• 上瘾了，最近又给公司撸了一个可视化大屏(附源码)

• 如此优雅，4款 Python 自动数据分析神器真香啊

• 梳理半月有余，精心准备了17张知识思维导图，这次要讲清统计学

• 香的很，整理了20份可视化大屏模板

技术交流

完整代码、数据获取，可以找我来要

目前开通了技术交流群，群友已超过3000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

• 方式①、发送如下图片至微信，长按识别，后台回复：加群；
• 方式②、添加微信号：dkl88191，备注：来自CSDN
• 方式③、微信搜索公众号：Python学习与数据挖掘，后台回复：加群

技术交流、求职内推、干货汇总、与 3000+来自阿里、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~