在我們平常使用Python進行數據處理與分析時，在import完一大堆庫之后，就是對數據進行預覽，查看數據是否出現了缺失值、重復值等異常情況，并進行處理。

本文將結合GUI工具PySimpleGUI，來講解如何制作一款屬于自己的數據預處理小工具，讓這個過程也能夠自動化!最終效果如下

本文將分為三部分講解：

• 制作GUI界面
• 數據處理講解
• 打包與測試

主要涉及將涉及以下模塊：

• PySimpleGUI
• pandas
• matplotlib

一、GUI界面制作

思路

老規矩，先講思路再上代碼，首先還是說一下，使用PySimpleGUI還是那四個流程

引入模塊==>創建元素并填充layout==> 創建窗體 ==>創建事件循環

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菜單欄、看上去是凹下去的數據預處理框、框內的3個單選項值、讀取文件路徑的3個元素(固定文本、輸入文本、瀏覽按鈕)、"查看、處理、關閉"三個按鈕。

從總體看，整個窗體中我們需要所有的元素呈現正中間的分布狀態。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。而文件讀取位置我們設置我們常用的2種數據存儲格式(“.xlsx”，“.xls”)的Excel格式。

讀取后，我們在數據預處理框架選擇一種處理。接著，我們可以對每一種錯誤進行彈出框查看，查看完之后對數據做最終處理。

處理的過程需要將處理好的數據覆蓋原來的數據文件。整個過程必須是持續不間斷的。這里說個tips：每次數據分析之前最好做一個備份，防止分析過程中失敗但是又找不到原來數據文件的尷尬。

代碼

看望思路后是不是有種蠢蠢欲動的感覺?!我們來實現一波，先看完整代碼，后面詳細拆解

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='數據預處理',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('請點擊瀏覽鍵或自行填入文件絕對路徑',title = '獲取件',file_types = (("Excel Files", "*.xlsx"),("Excel Files", "*.xls"),)) 
    sg.popup('提示', '是否確認選擇文件---', text) 
    window['lujing'].update(text)  
  if event == "look": 
 ''' 
 用戶點擊查看按鈕促發的事件 
 ''' 
  if event == "handle": 
 ''' 
 用戶點擊處理按鈕促發的事件 
 '''    
  if event == "Cancel" or event == sg.WIN_CLOSED: 
    break   
  if event == "注意": 
 ''' 
 注意事項編寫 
 ''' 

代碼解釋

其實有了思路后，你就會發現似乎一切都變得簡單了。接下來講解相關參數的作用。

首先是matplotlib.use("TkAgg")：使用matplotlib模塊并且調用這個函數的目的是在我們進行查看異常值處理(箱型圖展示)所用到，是改變圖像顯示的方式：TkAgg(一個交互式后臺)。

所謂交互式后臺就是你可以對圖像進行任意操作，區域放大縮小、值查看等功能。

之所以調用這個函數首先是因為我們使用的是GUI是要有那種交互的感覺的，其次是如果數據量較大時，箱型圖會很小，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這個函數是加一條可愛的虛線間隔每個字段。

sg.Frame()：這個和sg.columns()元素的用法是一樣的，主要是用來多個子元素的，我們這里設置了relief參數來讓整個框架在觀感上顯得凹形。tooltip參數是你鼠標移動框架的位置出現的小提示框。

title_location參數的用法非常有趣，是標題字符串的位置設置，有(n，s，e，w，se等)，你很快會發現這個位置和其他元素布局位置設置不一樣，他是以地理位置坐標做子參數的。

sg.Radio：單選選項框，要將所有的單選選項框的子參數group_id都設成一樣的，這樣你才能三個選項中選一個，這里我們以"RADIO1"為group_id。

sg.Button()：整個GUI中我們使用了4個按鈕，其中有一個專有的按鈕Cancel。

sg.popup()：比較初級的彈出框，顯示提示類的關鍵信息所用到。

sg.popup_get_file()：這是一個高級的彈出框元素，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

二、數據預處理

GUI部分搞定后，接著我們講解數據處理部分，主要是針對重復值、缺失值和異常值。

數據準備

我們這里用到的是2020年10月28日A股的行情。數據部分展示：

我們可以看到這里面有重復的行、有缺失值的地方。

重復值處理

對于二維列表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('文件絕對路徑') 
imfor = df[df.duplicated()] 
imfor = str(imfor) 

首先調用Pandas模塊并讀取文件路徑，這里我們采取絕對路徑而不采取相對路徑的原因是我們之后打包的GUI是不依靠文件的靠Python自帶的環境，所以相對路徑讀取是無法識別的。

df[df.duplicated()]這個Pandas內的函數是以二維列表形式來打印重復值對應的行。這里把df變量變為str字符串形式是因為我們在后來GUI中使用彈出窗口的元素時要以字符串形式加載。

最終處理重復值的方法如下：

df = df.drop_duplicates(inplace = True) 

代碼只有一行，卻能做到將整個數據表中的重復值都刪除，說明Pandas函數的強大。

至于為什么用inplace = True，是因為刪除函數不并不能改變原表格結構，所以需要將新表覆蓋原來的表格。

缺失值處理

先看代碼，其實在之前有關缺失值處理我在一年前就寫過相關文章點擊查看

import pandas as pd 
df = df.read_excel('文件絕對路徑') 
#df.isnull() 
imfor1 = df.isnull().sum() 
#df.isnull().any() 
imfor1 = str(imfor1) 

對于有缺失值的的數據表來說，df.isnull()或者df.isna()來查看空值。這個函數的作用時判斷是否為空值，若是為空值則賦予True，否則賦予False。

這里我們使用df.isnull().sum()來統計每一列字段的缺失值數量。如果數據量大的話，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、刪除、取下方的值等。我們這里用取上方值的方法來填補。

df = df.fillna(method='pad') 

異常值處理

所謂異常值，就是在一個數字字段里出現一個或多個不合群得數字。舉個例子，在一列都為個位數得數字列中出現了一個百位數的數字，這個百位數就是異常值。

用Python檢測異常值有兩種：箱線圖圖觀察和標準差觀察。這里我們選則箱體圖觀察。

箱線圖是用于顯示所選數據分散情況的統計圖，通過設定標準，將大于或小于箱體圖上下線的數值表示為異常點。

如圖，下四分分位數指的是樣本中有百分之25的數據小于這個數，記為。上四分分位數指的是樣本中有百分之25大于這個數，記為。上四分位數和下四分位數的差值的1.5倍加上上四分位數就是上邊緣，反之為下邊緣。

import pandas as pd 
df.boxplot()

打包與效果展示

在寫完全部代碼之后，我們可以使用pyinstaller進行打包。

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。我們啟動來看下效果

可以看到，我們需要的數據預處理的三個功能：重復值、缺失值、異常值都能按照指定方式進行處理!

當然你可以在本文提供的方法上，自己進行修改，來定制一款屬于你自己平時習慣的數據預處理小軟件!

到此這篇關于使用Python制作一個數據預處理小工具(多種操作一鍵完成)的文章就介紹到這了,更多相關Python數據預處理小工具內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！