Python szkriptelés a LuckyTemplates adatjelentésekben

Ez az oktatóanyag a LuckyTemplates jelentésekben található Python-szkriptekről lesz szó. Megtanulja, hogyan használhatja a Pythont a LuckyTemplates különböző kimenetek elérésére. Ismerni fogja a Python néhány technikai korlátját is, így elkerülheti a hibákat a .

Tartalomjegyzék

• A LuckyTemplates parancsfájlok Python-csomagjainak megértése
• Környezetek létrehozása Python Scripting segítségével
• Adatszerzés Python használatával
• Python Scripting vizualizációk engedélyezése a LuckyTemplates alkalmazásban
  • A Python vizualizáció testreszabása
• Adatok átalakítása a Power Queryben Python Scripting használatával
• Következtetés

A LuckyTemplates parancsfájlok Python-csomagjainak megértése

Hibák történnek a Python és a LuckyTemplates között, mert különböző sebességgel frissülnek. Néha ütközések vannak a két szoftver csomagjaival kapcsolatban. A megfelelő környezet beállításával elkerülheti a hibákat.

A Python Anaconda Installation nem minden csomagját támogatja a LuckyTemplates. Az alábbi képen az összes jelenleg támogatott csomag látható.

Ez a következő kép a csomagok követelményeit és korlátait mutatja be.

A Pandas az adatmanipulációs könyvtár, míg a Numpy a lineáris algebra. A Scikit-Learn és az Xgboost olyan könyvtárak, amelyek lehetővé teszik a gépi tanulást és az előfeldolgozást. A Scipy és a Statsmodels statisztikákkal foglalkozik. A Seaborn a vizualizációra szolgál, míg a Matplotliob a vizuális könyvtár.

Környezetek létrehozása Python Scripting segítségével

Létre kell hoznia egy olyan környezetet, amely tartalmazza az ütközések elkerülése érdekében szükséges csomagokat. Létrehozhat környezetet az Anaconda Prompt használatával, amelyet a . A prompt megnyitásához írja be az Anaconda kifejezést a Windows keresősávjába, és kattintson az alkalmazásra.

Ha a „környezet létrehozása az anacondában” kifejezésre keres a Google-ban, átirányítunk erre az oldalra. Ugyanazon az oldalon különböző módokat láthat adott környezetek létrehozására.

Az Anaconda Prompt parancsablakban láthatja az alapkörnyezetet és a munkakönyvtárat.

Új környezet létrehozásához írja be a conda create parancsot . Ezután írja be az –n billentyűt , majd a környezet nevét. Végül írja be, hogy melyik Python verziót szeretné. Ebben a példában a környezet neve new_env_pbi , a 3.7.

Nyomja meg az Enter billentyűt, ha végzett. Ezután látni fogja, hogy új környezetet hoz létre.

Nyomja meg az Y gombot a folyamat folytatásához.

Ezután aktiválnia kell a környezetet. Bemenet conda aktiválja a new_env_pbi .

Ha elkészült, láthatja, hogy az új környezet aktiválva van. Innentől megkezdheti a szükséges csomagok telepítését. Először telepítse a Pandákat az adatok beviteléhez. Input pip telepítse a pandákat , és nyomja meg az Enter billentyűt.

Ezután a Seaborn telepítéséhez input pip install seaborn . Azt is látni fogod, hogy a Seaborn a Matplotlib-et is betölti. A telepítés után most megnyithatja a .

Adatszerzés Python használatával

Háromféleképpen juthat adatokhoz a LuckyTemplates belsejében a Python használatával. Első lépésként lépjen a Fájl eszköztárra, kattintson az Adatok beszerzése elemre, majd válassza az Adatok beszerzése az induláshoz lehetőséget .

Kattintson ismét a Fájl eszköztárra, válassza az Egyéb, majd a Python Script lehetőséget .

Innen adjon meg egy szkriptet az adatok beviteléhez, és nyomja meg az OK gombot. Ebben a példában ezt a szkriptet használjuk.

A Navigátor ablaktáblában kattintson a Python mappa alatti változóra, majd kattintson a Betöltés gombra .

Ezután látni fogja ezeket az adatokat a Mezők panelen.

Ezt követően meg kell győződnie arról, hogy a megfelelő környezetet használja. Lépjen a Fájl eszköztárra, kattintson a Beállítások és beállítások elemre, majd válassza a Beállítások lehetőséget .

A Globális területen kattintson a Scripting elemre, és állítsa be a Python kezdőkönyvtárat. Kattintson a Tallózás gombra, és nyissa meg a new_env_pbi fájlt .

Python Scripting vizualizációk engedélyezése a LuckyTemplates alkalmazásban

A Python Integration eléréséhez kattintson aa Vizualizációk alatt.

Ezután engedélyezze a script vizualizációját.

Ha elkészült, egy szöveges Python Script Editor jelenik meg a vásznon.

A szkriptezés elindításához húzzon egy mezőt a vizualizáció Értékek területén. Ebben a példában az osztályok az Értékek területen belül vannak elhelyezve.

A vizualizáció most így fog kinézni.

Egy adatkeret a pandas.DataFrame függvény segítségével jön létre . A szkript változóként mentette el, és adatkészletnek nevezte el . A 6. sor alá beillesztheti vagy beírhatja a szkript kódját, hogy létrehozzon egy vizualitást. Ebben a példában a következő kódokat használtuk.

Jelenleg az adatkeret hiányos, mert csak részlegei vannak. Tehát húzza az összes oszlopot a Mezők ablaktábláról az Értékek területre egy teljes adatkeret létrehozásához.

Ezt követően kiválaszthat egy vizualitást a Jupyter Notebookból. Ezután másolja ki a vizualizáció kódját, és illessze be a szerkesztőbe.

Módosítsa a vizuális kódban használt változót df- ről az adatkészletre , és írja be a plt.show() függvényt a következő sorba a Matplotlib használatához.

Ha elkészült, futtassa a szkriptet a szerkesztőben található Futtatás ikonra kattintva.

Ezután látni fogja, hogy a vizualizáció megvalósul a vásznon. A látvány nem interaktív, de testreszabásával dinamikussá teheti.

A Python vizualizáció testreszabása

Kattintson a nyílhegyre a Python Script Editor megnyitásához. Ezután írja be a plt.style.use() .

Nyissa meg a Google-t, és keresse meg a matplotlib stílusokat. Kattintson a Style Sheets Reference elemre, és a rendszer átirányítja az oldalukra.

Az oldalon belül különböző stílusokat láthat, amelyeket használhat.

Válasszon ki egy stílust, és írja be a stílus kódját a szkript kódjába.

Ebben a példában a használt stílus kódja a bmh . Ha végzett, nyomja meg a Futtatás ikont.

Ezután látni fogja, hogy a képen belüli színek megváltoztak.

A látvány alakját is módosíthatja, ha akarja. Ehhez nyissa meg a szkriptszerkesztőt, módosítsa a boxplotot violinplot- ra , és futtassa a szkript kódját.

Látni fogja, hogy a látvány alakja megváltozott.

Adatok átalakítása a Power Queryben Python Scripting használatával

A Python-szkriptek LuckyTemplates alkalmazásban való elérésének utolsó módja az adatok átalakítása a Power Query szerkesztőben. Az egyik bevált módszer az adatok megkettőzése és a parancsfájlok elvégzése a fő adatok használata helyett. Ebben a példában a fő adat a df , a másolat pedig a df2 .

Lépjen az Átalakítás eszköztárra, és válassza a Python Script futtatása lehetőséget .

Ekkor megjelenik a Python Script futtatása párbeszédpanel egy szkript üzenettel.

Írjon be egy kódot a Jupyter Notebook táblázataihoz. Ebben a példában a dataset.corr() szerepel a szkriptben. Először azonban újra el kell mentenie a változót a dataset = ismételt beírásával.

Az OK gomb megnyomása után az adatok megjelennek a vásznon.

Bontsa ki a táblázatot az Érték oszlop Táblázat elemére kattintva. Ez egy korrelációs táblázatot is mutat.

A Python Script Index oszlopa azonban nem jelenik meg a korrelációs táblázatban. A probléma megoldásához lépjen az Alkalmazott lépések panelre, és kattintson a Python Script futtatása lépés fogaskerék ikonjára a szkriptkód megnyitásához.

Most adjon meg egy másik függvényt a .reset_index() bevitelével . Ezután írja be ezt a függvényt a korrelációs táblázat függvénnyel.

Ha elkészült, láthat egy Index oszlopot a korrelációs táblázatban.

Következtetés

A Python sok mindent megtehet, ha integrálja a LuckyTemplates-szel. Ebben az oktatóanyagban a Python-szkripteket három különböző módon használtuk: az adatkészlet behozására, a látványelemek létrehozására és a meglévő adatok manipulálására a.

Gaelim