Pandas数据挖掘分析神器Bamboolib

在使用之前，我们先需要通过pip install进行该模块的安装

pip install bamboolib 

# Jupyter Notebook extensions
python -m bamboolib install_nbextensions

# JupyterLab extensions
python -m bamboolib install_labextensions

在上面的步骤全都完成之后，我们开始简单的来尝试使用一下bamboolib，导入我们需要用到的模块，导入数据

import bamboolib as bam
import pandas as pd
df = pd.read_excel(
    io="supermarkt_sales.xlsx",
    engine="openpyxl",
    sheet_name="Sales",
    skiprows=3,
    usecols="B:R",
    nrows=1000,
)

df

会弹出如下所示的界面，

我们先来简单介绍一下界面上的各个按钮，

• Explore DataFrame：对数据集进行探索性分析的按钮
• Create plot: 绘制交互性图表的按钮
• Search Transformations：包含对数据集进行各项操作
• Update: 过滤出指定的列
• Export: 可以将处理完的数据集以及代码导出

我们点击Explore DataFrame按钮来对数据先来一个大致的印象

我们看到会对数据集有一个大致的介绍，例如数据集是有1000行、18列，然后每一列的数据类型、每一列有多少的唯一值和缺失值我们都可以直观的看到要是我们想要查看有着连续型变量的特征，它们之间的相关性，可以点击Correlation Matrix按钮

要是我们想要指定某一列数据的话，点击下拉框，选中select or drop columns，

或者我们想要删掉某一列的话，也是相类似的操作

当然我们如果想要根据特定的条件来过滤出某些数据的话，则是选中filter rows按钮，然后我们给出特定的条件，在Bamboolib模块当中有多种方式来过滤数据，有has values、contains、startswith、endswith等等，类似于Pandas模块当中对于文本数据处理的方法，例如我们想要挑选出“省份”这一列当中的“浙江省”的数据，就这么来做

我们还能够对每行的数据进行排列，点击下拉框选中sort rows，例如我们以“毛利率”的大小来排序，并且是降序排序，就这么来做

要是我们想要对某一列的列名进行重命名，点击rename columns

我们能够改变数据集当中某一列的数据类型，点击选中change column data dtype

对于缺失值的情况，我们既可以选择去除掉这些缺失值，点击选中drop missing values或者是drop columns with missing values

当然可以将这些缺失值替代为其他特定的值，无论是平均值或者是众数等等，点击选中find and replace missing values

我们可以通过bamboolib模块来对数据进行统计分析，例如计算数值的变化(percent change)，我们在下拉框中找到percent change的选项，然后对指定的列计算当中数值的变化百分比

我们还能够进行累乘/累加的操作，我们在下拉框中选中cumulative product或者是cumulative sum

另外我们还能进行分组统计的计算操作，选中下拉框当中的group by and aggregate按钮，例如我们以“省份”来分组，计算“总收入”的平均值，可以这么来操作

要是我们想要进行合并数据集的操作，在下拉框选中join/merge dataframes选项，当中有四种合并的方式，分别是inner join、left join、right join和outer join，然后我们选择合并的

我们还能对数据集当中的文本数据进行各种操作，包括对英文字母大小写的转换，就用convert to lowercase/convert to uppercase

如果我们需要对字符串当中的空格做一个处理，我们在下拉框当中选中Remove leading and trailing whitespaces

而要是我们需要对字符串做一个分割，就在下拉框中选中split text column

我们同时还能够通过该模块来绘制交互式的图表，我们点击“create plot”按钮，我们能看到在图表类型当中有直方图、柱状图、折线图、饼图等十来种，我们来绘制当中的一种

我们在X轴上指定的是“省份”的数据，然后根据不同的商品类型配上不同的颜色，而从绘制出来的结果中能够看到来自“北京”的顾客“食品饮料”购买的比较多，而来“浙江”的顾客“服装服饰”购买的比较多

当然除了直方图之外，还有其他很多种图表可以通过该模块来绘制，这里由于篇幅有限，小编就不一一给大家演示。