Brug af Python i LuckyTemplates | Datasæt og strengfunktion

I denne øvelse vil vi diskutere, hvordan du kan oprette og forberede Datasæt og strengfunktion ved hjælp af. Eksemplet, jeg vil bruge til at udføre processen, er tilgængeligt på GitHub.

LuckyTemplates har aktiveret Python-funktionalitet, hvilket gør det nemmere for brugere at køre Python-scripts direkte i LuckyTemplates.

Indholdsfortegnelse

• Tilslutning til en datakilde ved hjælp af Python
• Datarensning eller datastrid ved hjælp af LuckyTemplates
• Datarensning eller datastrid ved hjælp af Python i LuckyTemplates
• Udforskning af datasættet i LuckyTemplates ved hjælp af Python
• To måder at rense data på ved hjælp af Python
• Konklusion

Tilslutning til en datakilde ved hjælp af Python

Før vi begynder, skal du sørge for, at du har åbnet din LuckyTemplates-notesbog. Først skal vi oprette forbindelse til en datakilde. Dette vil give os adgang til en CSV-fil, som vi kan importere til vores LuckyTemplates-notesbog. Eksempeldatasættet, jeg vil arbejde på, er datasættet til klinikanalyse. 

Du kan gå til GitHub for at navigere til din mappe og klikke på din CSV-fil. Hvis du ikke har en, er der tonsvis af offentlige lagre med uploadede CSV-filer, som du kan få adgang til. Når du har dit datasæt, skal du klikke på hovedmappen, og du vil se to filer. Klik på CSV-filen.

Klik derefter på Vis rå. 

Derefter skal du navigere til adresselinjen og kopiere CSV-adressen. Gå derefter tilbage til din LuckyTemplates-notesbog. 

Under fanen Hjem skal du klikke på Hent data og derefter Mere for at se webindstillingen og klikke på den.

 Indsæt derefter CSV-adressen i URL-feltet og klik på OK.

Klik derefter påknap.

Vi har med succes forbundet vores datakilde i vores LuckyTemplates.

Datarensning eller datastrid ved hjælp af LuckyTemplates

Nu kan vi frit navigere på datasættet. Dette gør os i stand til at udføre de nødvendige rengøringsprocedurer for at få vores data i det rigtige format til bedre analyse.

Under kolonnen Laboratorieomkostninger kan vi se, at der er forskellige dollarsymboler med et bindestreg, der skal konverteres.

 Vi kan ikke direkte konvertere disse symboler.

Det er fordi det vil forårsage en fejl, som vi forsøger at undgå. 

For at erstatte dem skal du klikke på Erstat værdier og derefter indtaste dollarsymbolet i feltet Værdi at finde . Placer 0 eller din ønskede værdi i feltet Erstat med . 

Nu kan vi konvertere disse symboler til vores ønskede værdi. Husk, at vi kan se vores aktiviteter blive dokumenteret i afsnittet Anvendte trin .

Datarensning eller datastrid ved hjælp af Python i LuckyTemplates

For at gøre denne rengøringsproces eller datastridsopgave gældende for alle kolonner, bruger vi Python-funktionen ved at bruge Jupyter Notebook.

Åbn først din Jupyter Notebook og indlæs din hjemmeside. 

Under fanen Filer skal du navigere til højre hjørne og klikke på ' Ny ' for at se indstillingen 'Python 3' . Klik derefter på den for at oprette en ny Python Notebook.

Den første ting vi skal gøre er at angive et filnavn. Du kan navngive det, hvad du vil. I dette tilfælde vil jeg sætte titlen på filen til '.'

Nu hvor vores Python-notesbog er åben, kan vi se en celle, der giver os mulighed for at forberede eller udføre koden. Vi er nødt til at inkorporere den webkilde, vi lavede i LuckyTemplates.

Vi kan gøre dette ved at importere et af de væsentlige biblioteker, som er Pandas , i vores miljø og køre det.

Efter at have oprettet forbindelse til vores webkilde og oprettet en funktion indbygget i Pandas bibliotek, ønsker vi at skabe noget, der kan indikere, hvad vi er ved at gøre.

Vi vil undersøge vores data og oprette en overskrift som en indikator for denne aktivitet. For at gøre det skal vi ændre dette fra en kode til en markdown. 

Med et pund-tegn kan vi styre vores skriftstørrelse. Hvis vi ønsker, at vores skrifttype skal være i en lille størrelse, skal vi indtaste forskellige pund-tegn.

På den anden side, hvis vi ønsker en større skriftstørrelse, skal vi bruge færre pundtegn.

Derudover vil vi måske inkludere en kort forklaring af vores aktivitet under vores overskrift. Lad os sige, at vi vil udforske native funktioner og datasæt. 

Hvis vi kører det, vises det automatisk under vores overskrift.

Udforskning af datasættet i LuckyTemplates ved hjælp af Python

På en ny celle kan vi udforske datasættet. Lad os sige, at vi vil udforske de første fem rækker af data, som faktisk er standardargumentet, og vi skal lave en ny variabel data.

Dette giver dig adgang til de første fem rækker. Men husk, du kan sætte et hvilket som helst argument inden for parentesen, der angiver, hvor mange rækker af data du vil have adgang til. I dette eksempel vil jeg have adgang til ti rækker.

Men vi har nu det samme problem, som vi havde i vores LuckyTemplates-notesbog vedrørende dollarsymbolerne med en bindestreg.

For at rette op på dette skal vi bygge vores egen brugerdefinerede funktion, som vi kan anvende til at rense formatet af vores data. 

Vi kan starte rengøringsprocessen ved at indhente flere oplysninger om vores data. Dette vil gøre det lettere for os at identificere problemerne i vores datasæt. 

Efter at have kørt funktionen, er vi nu i stand til at se dybdegående oplysninger om datasættet - antallet af poster, kolonnerne og datatypen. Vi kan også se, at vi har strenge, der repræsenterer tekster i vores Python-miljø. 

Hvis vi ser nærmere på kolonnen, er der flere fordybninger, som vi skal rette. Jeg vil vise dig de to måder at rense dette på. 

To måder at rense data på ved hjælp af Python

Den første er ved at løse problemet manuelt. Indsaml først oplysningerne om dine datakolonner. For at gøre det skal du indtaste data.columns i en ny kodecelle.

I en ny celle vil du dokumentere aktiviteten med at rense mellemrummene i kolonneoverskrifterne. Så kopier og indsæt oplysningerne i cellen og slet de hvide mellemrum direkte. En anden måde er ved at bruge en strengfunktion, der fjerner hvide mellemrum.

Efter at have kørt det, vil det straks fjerne de unødvendige hvide mellemrum i vores strenge. At gøre denne metode giver brugerne bekvemmelighed, især når vi har for mange data eller strenge at rette eller rense. 

Dernæst skal vi gemme og inkorporere vores tidligere kode i denne celle, før vi kører den.

Som et resultat har vi løst problemet, og kolonnerne på vores datasæt er i det korrekte format. Alt er nu justeret korrekt i modsætning til at have hvide mellemrum fra før. 

Konklusion

For at opsummere, ved hjælp afkan forbedre den måde, LuckyTemplates fungerer på, og udvide værktøjets normale muligheder.

Python er et populært programmeringssprog på højt niveau, og det har masser af stort potentiale, når det kommer til at få data med kun et par linjer kode. Forhåbentlig har denne tutorial givet dig en forståelse af Python i LuckyTemplates.

Alt det bedste,

Gaellim