不得不说，Jupyter对于表的解决真的是越来越不便了，很多库能够间接实现可视化操作，无需写代码。然而这还不够，最近看到一个神器叫 Mito，它真的是做到了 无需写一行代码，而且手动的操作能够主动转换为代码，供后续批量化操作，这几乎不要太爽。
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（带格局转换性能）时，能够生成绝对应的 Python 代码。上面是具体的操作演示，感受一下它的弱小！
应用 Mito 和应用 Excel 表格没什么太大区别，只须要把握一些 Mito 的自定义函数即可，而后它会主动生成 pandas 处理表的代码。
二、Mito 装置
Mito的装置要求比较简单，有两个：
- Python 3.6 或更高版本
- 须要装置了 Node
关上终端，间接 pip 装置：
pip install mitosheet而后，装置 JupyterLab 扩大管理器。这个命令可能须要运行个几分钟：
jupyter labextension install @jupyter-widgets/jupyterlab-manager@2最初，启动 JupyterLab 就完事了。
jupyter lab也能够用 conda 装置到一个虚拟环境里。
三、Mito 操作方法
创立一个表
import mitosheet
mitosheet.sheet()导入数据
能够应用 pandas 读入数据生成 dataframe 给mitosheet。如果不想写代码，也能够手动点导入按钮导入数据，导入数据代码会主动生成。
# 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)操作方法
和 Excel 一样，个别的两种办法。
1. 公式法：
如果对公式纯熟，间接敲入函数即可，比方 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中的函数不简单，应用很容易上手。
2. 剖析工具：
如果不纯熟函数，Mito也提供了剖析工具，比方合并、透视表、筛选、排序、保留剖析等局部性能，都是点点点的操作。对于剖析工具，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 的合并性能可用于将数据集程度组合在一起。通过查找两个表要害列的匹配项，而后将这些匹配项数据组合到一行中。首先，抉择要合并在一起的两个 Mito 工作表。其次，抉择合并的键。最初，抉择保留哪些列。
数据透视表
首先，抉择一个关键字对数据分组。而后，如果想进一步将组分层为单个单元格，持续抉择列。最初，抉择聚合的列和办法。
筛选
Mito 通过组合过滤器和过滤器组来提供弱小的过滤性能。
- 过滤器是单个条件，对于该列中的每个单元格，其评估后果为 true 或 false。
- 过滤器组是联合了布尔运算符的过滤器聚合。
排序
保留剖析
能够像保留宏一样保留剖析。通过保留剖析，能够保留利用于数据的转换，以便当前能够将其从新利用于新的数据集。
四、后话
对于 Mito 的背地原理，这里不过多介绍，Aaron Diamond-Reivich、Jake Diamond-Reivich 和 Nate Rush，他们是在搞数据分析的时候，萌发了想要制作 Mito 的想法。据理解，目前这个软件还没有开源，他们还在思考如何反对保护这个我的项目，并转到开源门路上来。
以上就是本次分享的所有内容，如果你感觉文章还不错，欢送关注公众号：Python 编程学习圈，每日干货分享，发送“J”还可支付大量学习材料，内容笼罩 Python 电子书、教程、数据库编程、Django，爬虫，云计算等等。或是返回编程学习网，理解更多编程技术常识。