Pandas是我們日常處理表格資料最常用的包，但是對于資料分析來說，Pandas的DataFrame還不夠直覺，是以今天我們将介紹4個Python包，可以将Pandas的DataFrame轉換互動式表格，讓我們可以直接在上面進行資料分析的操作。
Pivottablejs
Pivottablejs是一個通過IPython widgets內建到Python中的JavaScript庫，允許使用者直接從DataFrame資料建立互動式和靈活的彙總報表。可以進行高效、清晰的資料分析和表示，幫助将資料從Pandas DataFrame轉換為易于觀察的互動式資料透視表。
pivot_ui函數可以自動從DataFrame生成互動式使用者界面，使使用者可以簡單地修改，檢查聚合項，并快速輕松地更改資料結構。
!pip install pivottablejs
from pivottablejs import pivot_ui
import pandas as pd
data = pd.read_csv("D:\Data\company_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資料透視表
Pygwalker
PyGWalker可以把DataFrame變成一個表格風格的使用者界面，讓我們直覺有效地探索資料。
這個包的使用者界面對Tableau使用者來說很熟悉，如果你用過Tableau那麼上手起來就很容易
!pip install pygwalker
import pygwalker as pyw
walker = pyw.walk(data) 通過一些簡單的拖拽，可以進行篩選和可視化，這是非常友善的
Qgrid
除了PyGWalker之外，Qgrid也是一個很好的工具，它可以很容易地将DataFrame架轉換為視覺上直覺的互動式資料表。
import qgrid
qgridframe = qgrid.show_grid(data, show_toolbar=True)
qgridframe 我們還可以直接在表上添加、删除資料
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、搜尋、排序等。
from itables import init_notebook_mode, show
init_notebook_mode(all_interactive=False)
show(data) tables和Qgrid包對于快速檢視資料模式是必要的。然而，如果我們想要進一步了解資料并進行資料轉換，它們的特征是不夠的。是以，在獲得更複雜的見解的情況下，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中将dataframe轉換為互動式表。
Itables 和Qgrid比較輕量，可以讓我們快速的檢視資料，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，那麼Pivottablejs和Pygwalker是一個很好的工具。
作者：Chi Nguyen