以下文章转载自https://freeaihub.com/article/use-gridstudio-to-replace-excel-with-python.html,该页可在线完成实现本文代码

最近，我找到了一个出色的开源项目"Grid Studio"。该库结合了电子表格和Python在数据分析方面的优势。

你有没有想过：

• 使用MS Excel时，您想使用自己的Python技能和库(例如Numpy，Pandas，SciPy，Matplotlib和Scikit-learn)来生成和处理数据
• 使用Python时，您可能认为需要使用数据的表格视图来实时查看当前数据集的图片，但是您只能df.head()手动输出。

好的，此库可以满足您的所有要求。

在开始之前，让我们看一下它的外观。Grid Studio是一个基于Web的应用程序。这是Web UI。

用户界面分为3个主面板。

1. 电子表格与流行的软件(例如Excel和Google表格)完全相同。
2. 代码区域，您可以编写python代码。
3. File / Plots / Terminal / Stdout窗口，它将这四个窗口聚合为不同的选项卡。

因此，使用该库，您可以使用代码区域来编写Python代码，并像Jupyter / iPython一样逐行运行它，"Python out"窗口将显示结果。另外，您可以将Pandas数据框同步到电子表格以立即查看。

安装：

之后，在GitHub上克隆仓库：(https://github.com/ricklamers/gridstudio)

git clone https://github.com/ricklamers/gridstudio

然后，只需转到其根文件夹并运行启动脚本：

cd gridstudio && ./run.sh

等待docker提取所有组件可能需要几分钟。之后，您将能够访问Web UI

COVID-19数据的样本分析示例

我不喜欢为了例子而写例子。因此，让我们使用一些实际数据通过Grid Studio进行一些基本数据分析。

将数据下载为CSV文件，其中包含世界所有国家/地区的COVID-19数据。

将数据加载到电子表格中

#读取所有数据
df = pd.read_csv("https://opendata.ecdc.europa.eu/covid19/casedistribution/csv").dropna()
print(df.head())

我们可以通过链接直接读取在线CSV文件。在这里，我认为Grid Studio有了改进。也就是说，它不喜欢Jupyter Notebook可以立即打印您的变量。如果要打印变量，则必须使用该print方法。

另一个限制是，电子表格看起来不太支持datetime类型。在测试过程中，我发现它无法显示datetime64[ns]type的pandas列。因此，我想将dateRep列转换为整数。

#将日期转换为整数(由于Grid Studio的限制)
# Convert date to integer (because of Grid Studio limitation)
df.dateRep = pd.to_datetime(df.dateRep, format=‘%d/%m/%Y‘).dt.strftime(‘%Y%m%d‘).astype(int)

转换资料

首先，让我们按国家/地区过滤数据。例如，我仅对澳大利亚数据感兴趣。

#获取澳大利亚数据
df_oz = df [df.countriesAndTerritories == ‘Australia‘]

然后，我们将只选择dateRep，cases和deaths列。

#仅保留日期，病例和死亡列
df_oz = df_oz [[‘dateRep‘，‘cases，‘deaths]]]

之后，请按日期对数据框进行排序，以便我们可以计算累积的病例和死亡人数。

#计算累计病例和死亡
df_oz = df_oz.sort_values(‘dateRep‘)
df_oz [‘cumCases‘] = df_oz.cases.cumsum()
df_oz [‘cumDeaths‘] = df_oz.deaths.cumsum()

将数据渲染到电子表格中

现在，我们在熊猫数据框中应该有5列，分别是日期，新病例，新死亡，累积病例和累积死亡。让我们将数据框渲染到电子表格中。

#工作表
sheet("A1", df_oz)

Grid Studio使执行此操作变得非常容易。通过调用其API sheet，我们只需指定将呈现数据框的左上角单元，然后传递数据框变量。

如果要显示标题，也可以header=True在sheet方法中指定。

电子表格中的更多功能

当数据在电子表格中时，我们可以像使用其他常规软件(例如Excel和Google表格)一样使用它。我不会证明式功能，如SUM，AVG等大家都熟悉。

最有用的功能之一是，您可以轻松地将电子表格导出为CSV。这意味着我们可以利用Pandas数据框的强大功能轻松下载和转换数据，然后导出以使用其他软件进行进一步的分析。

我认为另一个非常有用的方法是matplotlib通过单击来绘制数据。例如，如果我们要绘制每日新案例，只需选择“新案例"列，然后右键单击它，如下面的屏幕快照所示。

然后，在右下角的“绘图"选项卡中可以找到该绘图。

实际上，Grid studio通过自动生成代码来完成此绘制。这是为以上图表生成的代码。

data = sheet("B1:B106")
data.plot()
show()

因此，如有必要，我们可以添加一些注释。例如，我们可以向该图表添加标题：

data = sheet("B1:B106")
data.plot(title=‘Daily New Cases‘)
show()

同样，我们可以使用相同的步骤分别绘制4列。下面的3个图表是通过简单的点击和添加标题而生成的，总共花了我30秒！

显然，使用Grid Studio执行一些简单的数据分析将非常快速和方便。感谢作者Rick Lamers的出色创意。

文件来源：https://towardsdatascience.com/say-goodbye-to-excel-a-simple-evaluation-of-python-grid-studio-using-covid-19-data-90624f322b81

作者:Christopher Tao

Python Grid Studio替代excel分析COVID-19数据

原文：https://www.cnblogs.com/freeaihub/p/13097312.html