
來源:早起Python
作者:GUI工作組
在我們平常使用Python進(jìn)行數(shù)據(jù)處理與分析時(shí),在import完一大堆庫之后,就是對(duì)數(shù)據(jù)進(jìn)行預(yù)覽,查看數(shù)據(jù)是否出現(xiàn)了缺失值、重復(fù)值等異常情況,并進(jìn)行處理。
本文將結(jié)合GUI工具PySimpleGUI,來講解如何制作一款屬于自己的數(shù)據(jù)預(yù)處理小工具,讓這個(gè)過程也能夠自動(dòng)化!最終效果如下
本文將分為三部分講解:
制作GUI界面數(shù)據(jù)處理講解打包與測(cè)試
主要涉及將涉及以下模塊:
PySimpleGUIpandasmatplotlib
老規(guī)矩,先講思路再上代碼,首先還是說一下,使用PySimpleGUI還是那四個(gè)流程
“
引入模塊==>創(chuàng)建元素并填充layout==> 創(chuàng)建窗體 ==>創(chuàng)建事件循環(huán)
”
從元素看,從圖中可以知道我們需要的元素有使用說明這個(gè)菜單欄、看上去是凹下去的數(shù)據(jù)預(yù)處理框、框內(nèi)的3個(gè)單選項(xiàng)值、讀取文件路徑的3個(gè)元素(固定文本、輸入文本、瀏覽按鈕)、"查看、處理、關(guān)閉"三個(gè)按鈕。
從總體看,整個(gè)窗體中我們需要所有的元素呈現(xiàn)正中間的分布狀態(tài)。其中菜單欄在窗體邊緣靠左分布。采用行銜接式的總分布。
從事件上看,我們需要在使用說明菜單中加上使用者需要的注意事項(xiàng)。而文件讀取位置我們?cè)O(shè)置我們常用的2種數(shù)據(jù)存儲(chǔ)格式(“.xlsx”,“.xls”)的Excel格式。
讀取后,我們?cè)?a href='/map/shujuyuchuli/' style='color:#000;font-size:inherit;'>數(shù)據(jù)預(yù)處理框架選擇一種處理。接著,我們可以對(duì)每一種錯(cuò)誤進(jìn)行彈出框查看,查看完之后對(duì)數(shù)據(jù)做最終處理。
處理的過程需要將處理好的數(shù)據(jù)覆蓋原來的數(shù)據(jù)文件。整個(gè)過程必須是持續(xù)不間斷的。這里說個(gè)tips:每次數(shù)據(jù)分析之前最好做一個(gè)備份,防止分析過程中失敗但是又找不到原來數(shù)據(jù)文件的尷尬。
看望思路后是不是有種蠢蠢欲動(dòng)的感覺?!我們來實(shí)現(xiàn)一波,先看完整代碼,后面詳細(xì)拆解
import PySimpleGUI as sg import pandas as pd import matplotlib
matplotlib.use("TkAgg")
sg.ChangeLookAndFeel('GreenTan')
menu_def = [['&使用說明', ['&注意']]]
layout = [
[sg.Menu(menu_def, tearoff=True)],
[sg.Frame(layout=[
[sg.Radio('重復(fù)值處理', "RADIO1",size=(15,1),key="dup"), sg.Radio('缺失值處理',
"RADIO1",size=(15,1),key="mis"),
sg.Radio('異常值處理', "RADIO1",default=True,key="war")]], title='數(shù)據(jù)預(yù)處理',
title_color='green',title_location='n',
relief=sg.RELIEF_SUNKEN, tooltip='選擇其中一種處理方式' )],
[sg.Text('文件位置', size=(8, 1), auto_size_text=False, justification='right'),
sg.InputText(enable_events=True,key="lujing"), sg.Button('瀏覽',key = 'getf')],
[sg.Button('查看',key = 'look'),sg.Submit('處理',key = 'handle'), sg.Cancel('關(guān)閉')]]
window = sg.Window('特征工程', layout, default_element_size=(40, 1), grab_anywhere=False) while True:
event, values = window.read()
if event == 'getf':
text = sg.popup_get_file('請(qǐng)點(diǎn)擊瀏覽鍵或自行填入文件絕對(duì)路徑',
title = '獲取件',file_types = (("Excel Files", "*.xlsx"),
("Excel Files", "*.xls"),))
sg.popup('提示', '是否確認(rèn)選擇文件---', text)
window['lujing'].update(text)
if event == "look":
'''
用戶點(diǎn)擊查看按鈕促發(fā)的事件
''' if event == "handle":
'''
用戶點(diǎn)擊處理按鈕促發(fā)的事件
'''
if event == "Cancel" or event == sg.WIN_CLOSED:
break
if event == "注意":
'''
注意事項(xiàng)編寫
'''
其實(shí)有了思路后,你就會(huì)發(fā)現(xiàn)似乎一切都變得簡單了。接下來講解相關(guān)參數(shù)的作用。
首先是matplotlib.use("TkAgg"):使用matplotlib模塊并且調(diào)用這個(gè)函數(shù)的目的是在我們進(jìn)行查看異常值處理(箱型圖展示)所用到,是改變圖像顯示的方式:TkAgg(一個(gè)交互式后臺(tái))。
所謂交互式后臺(tái)就是你可以對(duì)圖像進(jìn)行任意操作,區(qū)域放大縮小、值查看等功能。
之所以調(diào)用這個(gè)函數(shù)首先是因?yàn)槲覀兪褂玫氖荊UI是要有那種交互的感覺的,其次是如果數(shù)據(jù)量較大時(shí),箱型圖會(huì)很小,這樣子可以利于查看。
其次sg.ChangeLookAndFeel('GreenTan'):改變窗體顏色。
那么menu_def就是菜單欄,使用【“”,【“”】】這種格式來定義主菜單欄和子菜單欄。tearoff這個(gè)函數(shù)是加一條可愛的虛線間隔每個(gè)字段。
sg.Frame():這個(gè)和sg.columns()元素的用法是一樣的,主要是用來多個(gè)子元素的,我們這里設(shè)置了relief參數(shù)來讓整個(gè)框架在觀感上顯得凹形。tooltip參數(shù)是你鼠標(biāo)移動(dòng)框架的位置出現(xiàn)的小提示框。
title_location參數(shù)的用法非常有趣,是標(biāo)題字符串的位置設(shè)置,有(n,s,e,w,se等),你很快會(huì)發(fā)現(xiàn)這個(gè)位置和其他元素布局位置設(shè)置不一樣,他是以地理位置坐標(biāo)做子參數(shù)的。
sg.Radio:單選選項(xiàng)框,要將所有的單選選項(xiàng)框的子參數(shù)group_id都設(shè)成一樣的,這樣你才能三個(gè)選項(xiàng)中選一個(gè),這里我們以"RADIO1"為group_id。
sg.Button():整個(gè)GUI中我們使用了4個(gè)按鈕,其中有一個(gè)專有的按鈕Cancel。
sg.popup():比較初級(jí)的彈出框,顯示提示類的關(guān)鍵信息所用到。
sg.popup_get_file():這是一個(gè)高級(jí)的彈出框元素,是從帶有文本輸入字段和瀏覽按鈕的彈出窗口,以便用戶選擇文件。效果如下
GUI部分搞定后,接著我們講解數(shù)據(jù)處理部分,主要是針對(duì)重復(fù)值、缺失值和異常值。
我們這里用到的是2020年10月28日A股的行情。數(shù)據(jù)部分展示:
我們可以看到這里面有重復(fù)的行、有缺失值的地方。
對(duì)于二維列表DataFrame來講使用Pandas模塊是最方便最象征辦公簡潔化的模塊
import pandas as pd
df = df.read_excel('文件絕對(duì)路徑')
imfor = df[df.duplicated()]
imfor = str(imfor)
首先調(diào)用Pandas模塊并讀取文件路徑,這里我們采取絕對(duì)路徑而不采取相對(duì)路徑的原因是我們之后打包的GUI是不依靠文件的靠Python自帶的環(huán)境,所以相對(duì)路徑讀取是無法識(shí)別的。
df[df.duplicated()]這個(gè)Pandas內(nèi)的函數(shù)是以二維列表形式來打印重復(fù)值對(duì)應(yīng)的行。這里把df變量變?yōu)閟tr字符串形式是因?yàn)槲覀冊(cè)诤髞鞧UI中使用彈出窗口的元素時(shí)要以字符串形式加載。
最終處理重復(fù)值的方法如下:
df = df.drop_duplicates(inplace = True)
代碼只有一行,卻能做到將整個(gè)數(shù)據(jù)表中的重復(fù)值都刪除,說明Pandas函數(shù)的強(qiáng)大。
至于為什么用inplace = True,是因?yàn)閯h除函數(shù)不并不能改變?cè)砀窠Y(jié)構(gòu),所以需要將新表覆蓋原來的表格。
先看代碼,其實(shí)在之前有關(guān)缺失值處理我在一年前就寫過相關(guān)文章點(diǎn)擊查看
import pandas as pd
df = df.read_excel('文件絕對(duì)路徑') #df.isnull() imfor1 = df.isnull().sum() #df.isnull().any()
imfor1 = str(imfor1)
對(duì)于有缺失值的的數(shù)據(jù)表來說,df.isnull()或者df.isna()來查看空值。這個(gè)函數(shù)的作用時(shí)判斷是否為空值,若是為空值則賦予True,否則賦予False。
這里我們使用df.isnull().sum()來統(tǒng)計(jì)每一列字段的缺失值數(shù)量。如果數(shù)據(jù)量大的話,還可以使用df.isnull().any()來查看只有缺失值的行。
解決方法,處理缺失值的方法有很多種,取均值、取中位數(shù)、刪除、取下方的值等。我們這里用取上方值的方法來填補(bǔ)。
df = df.fillna(method='pad')
所謂異常值,就是在一個(gè)數(shù)字字段里出現(xiàn)一個(gè)或多個(gè)不合群得數(shù)字。舉個(gè)例子,在一列都為個(gè)位數(shù)得數(shù)字列中出現(xiàn)了一個(gè)百位數(shù)的數(shù)字,這個(gè)百位數(shù)就是異常值。
用Python檢測(cè)異常值有兩種:箱線圖圖觀察和標(biāo)準(zhǔn)差觀察。這里我們選則箱體圖觀察。
箱線圖是用于顯示所選數(shù)據(jù)分散情況的統(tǒng)計(jì)圖,通過設(shè)定標(biāo)準(zhǔn),將大于或小于箱體圖上下線的數(shù)值表示為異常點(diǎn)。
如圖,下四分分位數(shù)指的是樣本中有百分之25的數(shù)據(jù)小于這個(gè)數(shù),記為。上四分分位數(shù)指的是樣本中有百分之25大于這個(gè)數(shù),記為。上四分位數(shù)和下四分位數(shù)的差值的1.5倍加上上四分位數(shù)就是上邊緣,反之為下邊緣。
“
上邊緣
下邊緣
”
在Pandas中可以調(diào)用.boxplot()函數(shù)來畫箱型圖
import pandas as pd
df.boxplot()
在寫完全部代碼之后,我們可以使用pyinstaller進(jìn)行打包。
假定你的程序命名為yuchuli.py,在cmd窗口輸入即可完成打包。
pyinstaller -F yuchuli.py
打包后,exe在Python文件所在文件夾的dist文件夾中。我們啟動(dòng)來看下效果
可以看到,我們需要的數(shù)據(jù)預(yù)處理的三個(gè)功能:重復(fù)值、缺失值、異常值都能按照指定方式進(jìn)行處理!
當(dāng)然你可以在本文提供的方法上,自己進(jìn)行修改,來定制一款屬于你自己平時(shí)習(xí)慣的數(shù)據(jù)預(yù)處理小軟件!
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03