Python如何用Jupyter来做数据分析，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

成都创新互联专注于江达网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供江达营销型网站建设，江达网站制作、江达网页设计、江达网站官网定制、微信小程序定制开发服务，打造江达网络公司原创品牌,更为您提供江达网站排名全网营销落地服务。

加载一个Jupyter插件后，无需写代码就能做数据分析，  还帮你生成相应代码？

没错，只需要加载这个名为  Mito的小工具包，用Python做数据分析，变得和用Excel一样简单：

运行速度比Excel更快，也不需要到处搜各种Python教程了。

好用如Excel，更快更全面

Mito是Jupyter notebook的一个  可编辑电子表格插件，在编辑  .csv表格  （带格式转换功能）时，就能生成相关Python代码。

△Mito，线粒体Mitochondria的缩写

具体来说，Mito的出现，像是将  Python的强大功能、和  Excel的易用性进行了结合。

只需要掌握Excel的用法，就能使用Python的数据分析功能，还能将写出来的代码“打包带走”。

它弥补了Excel在数据分析上的几个  缺陷：

• Excel无法做大数据分析（大型数据集处理得不好）

• Excel运行缓慢

• Excel无法轻松创建可重复流程

同时，又比SQL和Python更  简单、直观。毕竟这些专业工具对于0基础初学者来说，需要至少几年时间，才能完全上手。

据Mito内测用户表示，这款插件让他们用Python做数据分析的效率提升了  10倍，因为用户可以直接在Mito里编写Excel公式，如=SUM(A1, 100)。

那么，Mito是怎么做到将Excel逻辑转换成Python代码的呢？

作者们编写了一种名为  Transpiler的程序，有点类似于编译器的功能，采用  抽象语法树  （AST），解析Excel源代码，并转换成Python的源代码。

相比于采用专业软件如Alteryx  （需要5000美元/月）进行数据分析，Mito所生成的Python代码可以根据需要自行修改，灵活性更高一点。

目前，Mito采用  亚马逊云平台   （AWS）保存用户的相关数据，每个用户拥有一个独立账户。

当然，用户也可以选择将数据保存在本地。

自动生成Python代码

以分析美国各州的“家庭平均收入”和“允许托运的火车站数量”这两个数据的关系为例。

首先，  上传“家庭平均收入”和“允许托运的火车站数量”两份数据。

数据处理的格式是.csv，当然也可以输入Excel文件，并用Mito转成两份.csv文件。

然后，将这两份数据集  合并在一起，只需要用鼠标勾选对应功能、选中相关数据列就行。

啪！代码就生成好了。

然后，是做  数据透视表，在完成分组后，采用聚合  （aggregate）功能来切换聚合方法。

还包括  数据过滤功能，同样立刻就能生成相关代码。

包含升降序  排序功能，快速简洁。

然后就是相关数据统计、分析出结果了，流程直观。

保存分析文件的方法也很简单，文件是以Python编写的，而不是用比较难懂的VBA。

要想重复上面的步骤的话，也非常容易，Mito自带“重复已保存分析步骤”功能，一键就能用同样的方法分析其他数据。

确实要比一行行编写代码简单多了。

关于Python如何用Jupyter来做数据分析问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。

名称栏目：Python如何用Jupyter来做数据分析
文章来源：http://chengdu.cdxwcx.cn/article/pgsope.html