摄影透视感什么意思手机透视代码什么意思( 二 ) _生活百科

文章插图
删除列通过单击选择任何列。单击“Del Col”，该特定列将从数据集中删除。

文章插图
Python代码在下一个单元格中生成带有正确注释的 Python 等效代码，用于执行的操作是：
# MITO CODE START (DO NOT EDIT)from mitosheet import * # Import necessary functions from Mitoregister_ *** ysis('UUID-7bf77d26-84f4-48ed-b389-3f7a3b729753') # Let Mito know which*** ysis is being run# Imported edxCourses.csvimport pandas as pdedxCourses_csv = pd.read_csv('edxCourses.csv')# Added column H to edxCourses_csvedxCourses_csv.insert(7, 'H', 0)# Renamed H to newCol in edxCourses_csvedxCourses_csv.rename(columns={"H": "newCol"}, inplace=True)# Set newCol in edxCourses_csv to =coursePrice + courseEnrollmentsedxCourses_csv['newCol'] = edxCourses_csv['coursePrice'] + edxCourses_csv['courseEnrollments']# Deleted column newCol from edxCourses_csvedxCourses_csv.drop('newCol', axis=1, inplace=True)# MITO CODE END (DO NOT EDIT)创建数据透视表数据透视表是一个重要的环节 excel 功能，它根据另一个分类特征汇总数字变量。要使用 Mito 创建这样的表，
单击“Pivot”并选择源数据集（默认加载 CSV）选择数据透视表的行、列和值列。还可以为值列选择聚合函数。所有下拉选项，如求和、平均值、中值、最小值、更大值、计数和标准偏差都可用。选择所有必要的字段后，将获得一个单独的表，其中包含数据透视表的实现。下面的 GIF 演示了如何为聚合函数“均值”创建数据透视表：

文章插图
Python代码# MITO CODE START (DO NOT EDIT)from mitosheet import * # Import necessary functions from Mitoregister_ *** ysis('UUID-a35246c0-e0dc-436b-8667-076d4f08e0c1') # Let Mito know which*** ysis is being run# Imported edxCourses.csvimport pandas as pdedxCourses_csv = pd.read_csv('edxCourses.csv')# Pivoted edxCourses_csv into df2pivot_table = edxCourses_csv.pivot_table(index=['courseOrganization'],values=['coursePrice'],aggfunc={'coursePrice': 'mean'})# Reset the column name and the indexesdf2 = pivot_table.rename_axis(None, axis=1).reset_index()# MITO CODE END (DO NOT EDIT)合并两个数据集合并数据集是数据科学项目的重要组成部分。通常，数据集被划分到不同的表格中，以增加信息的可访问性和可读性。合并 Mitosheets 很容易。
单击“Merge”并选择数据源。需要指定要对其进行合并的键。也可以从数据源中选择合并后要保留的列。默认情况下，所有列都将保留在合并的数据集中。

文章插图
Python代码# MITO CODE START (DO NOT EDIT)from mitosheet import * # Import necessary functions from Mitoregister_ *** ysis('UUID-88ac4a92-062f-4ed8-a55d-729394975740') # Let Mito know which*** ysis is being run# Imported Airport-Pets.csv, Zipcode-Data.csvimport pandas as pdAirport_Pets_csv = pd.read_csv('Airport-Pets.csv')Zipcode_Data_csv = pd.read_csv('Zipcode-Data.csv')# Merged Airport_Pets_csv and Zipcode_Data_csvtemp_df = Zipcode_Data_csv.drop_duplicates(subset='Zip')Airport_Pets_csv_tmp = Airport_Pets_csv.drop(['State', 'Division'], axis=1)Zipcode_Data_csv_tmp = temp_df.drop(['Mean_Income', 'Pop'], axis=1)df3 = Airport_Pets_csv_tmp.merge(Zipcode_Data_csv_tmp, left_on=['Zip'], right_on=['Zip'], how='left', suffixes=['_Airport_Pets_csv', '_Zipcode_Data_csv'])# MITO CODE END (DO NOT EDIT)修改列数据类型、排序和过滤你可以更改现有列的数据类型，按升序或降序对列进行排序，或通过边界条件过滤它们。在 Mito 中的这些都很简单，可以通过选择屏幕上的选项通过GUI本身完成。
单击所需的列将看到一个数据类型列表。可以根据需要从下拉列表中选择任何数据类型，该数据类型将应用于整个列。接下来可以通过选择提供的选项按升序或降序对数据进行排序。还可以使用自定义过滤器过滤数据。

文章插图
Python代码# MITO CODE START (DO NOT EDIT)from mitosheet import * # Import necessary functions from Mitoregister_ *** ysis('UUID-cc414267-d9aa-4017-8890-ee3b7461c15b') # Let Mito know which*** ysis is being run# Imported edxCourses.csvimport pandas as pdedxCourses_csv = pd.read_csv('edxCourses.csv')# Changed coursePrice from int64 to floatedxCourses_csv['coursePrice'] = edxCourses_csv['coursePrice'].astype('float')# Sorted coursePrice in edxCourses_csv in descending orderedxCourses_csv = edxCourses_csv.sort_values(by='coursePrice', ascending=False, na_position='first')edxCourses_csv = edxCourses_csv.reset_index(drop=True)# Filtered coursePrice in edxCourses_csvedxCourses_csv = edxCourses_csv[edxCourses_csv['coursePrice'] >= 500]edxCourses_csv = edxCourses_csv.reset_index(drop=True)# MITO CODE END (DO NOT EDIT)图表和统计数据生成还可以直接在此扩展中生成图形，而无需编写绘图逻辑。默认情况下，此扩展生成的所有图都是使用 Plotly*** 的。这意味着绘图是交互式的，可以即时修改。