Pandas是我們日常處理表格數據最常用的包，但是對于數據分析來說，Pandas的DataFrame還不夠直觀，所以今天我們將介紹4個Python/ target=_blank class=infotextkey>Python包，可以將Pandas的DataFrame轉換交互式表格，讓我們可以直接在上面進行數據分析的操作。
Pivottablejs
Pivottablejs是一個通過IPython widgets集成到Python中的JAVAScript庫，允許用戶直接從DataFrame數據創建交互式和靈活的匯總報表。可以進行高效、清晰的數據分析和表示，幫助將數據從Pandas DataFrame轉換為易于觀察的交互式數據透視表。
pivot_ui函數可以自動從DataFrame生成交互式用戶界面，使用戶可以簡單地修改，檢查聚合項，并快速輕松地更改數據結構。
!pip install pivottablejs
from pivottablejs import pivot_ui
import pandas as pd
data = pd.read_csv("D:Datacompany_unicorn.csv")
data["Year"] = pd.to_datetime(data["Date Joined"]).dt.year
pivot_ui(data)
如下圖所示，我們可以直接在notebook中對DataFrame進行篩選，生成圖表
我們還可以快速生成數據透視表
Pygwalker
PyGWalker可以把DataFrame變成一個表格風格的用戶界面，讓我們直觀有效地探索數據。
這個包的用戶界面對Tableau用戶來說很熟悉，如果你用過Tableau那么上手起來就很容易
!pip install pygwalker
import pygwalker as pyw
walker = pyw.walk(data)
img
通過一些簡單的拖拽，可以進行篩選和可視化，這是非常方便的
Qgrid
除了PyGWalker之外，Qgrid也是一個很好的工具，它可以很容易地將DataFrame架轉換為視覺上直觀的交互式數據表。
import qgrid
qgridframe = qgrid.show_grid(data, show_toolbar=True)
qgridframe
我們還可以直接在表上添加、刪除數據
Itables
與上面提到的qgrid包一樣，Itables提供了一個簡單的接口。可以進行簡單的操作，如過濾、搜索、排序等。
from itables import init_notebook_mode, show
init_notebook_mode(all_interactive=False)
show(data)
tables和Qgrid包對于快速查看數據模式是必要的。然而，如果我們想要進一步理解數據并進行數據轉換，它們的特征是不夠的。因此，在獲得更復雜的見解的情況下，使用透視表js和Pygwalker是可取的。
總結
上面的這些包可以在Jupyter Notebook中將dataframe轉換為交互式表。
Itables 和Qgrid比較輕量，可以讓我們快速的查看數據，但是如果你想進行更多的操作，例如生成一些簡單的可視化圖表，那么Pivottablejs和Pygwalker是一個很好的工具。
作者：Chi Nguyen
