# Pandas\_UI

## Pandas\_UI เครื่องมือจัดการ Pandas DataFrame แบบง่าย ๆ

![](https://3650666907-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-M16IoaANYRvc0I-U9uw%2F-MDOYK0x6jdCjiDqHWO5%2F-MDOYnFAOLAteHm9uBPK%2Fimage.png?alt=media\&token=8110a7b3-c13d-4c5d-8f79-04620ad2281e)

ใน ep ที่แล้ว เราใช้ [Pandas Profiling](https://www.bualabs.com/archives/2297/exploratory-data-analysis-eda-pandas-profiling-pandas-dataframe-pandas-ep-6/) ในการช่วยทำการสำรวจข้อมูล Exploratory Data Analysis (EDA) แต่ถ้าเราต้องการเปลี่ยนแปลงข้อมูลนิด ๆ หน่อย ๆ หรือเราต้องการพล็อตกราฟที่ใน Pandas Profiling ไม่มีมาให้ล่ะ จะทำอย่างไร เราสามารถใช้ Pandas\_UI มาช่วยได้

### Pandas\_UI คืออะไร

![Pandas\_UI Main UI](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_11-1024x664.png)

Pandas\_UI คือ เครื่องมือหน้าจอ User Interface Tools ที่ช่วยอำนวยความสะดวกให้เราสามารถจัดการ และแก้ไขข้อมูลใน Pandas DataFrame ได้อย่างรวดเร็ว และง่ายดาย

เราสามารถเลือก Row, Column, เงื่อนไข และ Operation ที่ต้องการใน Pandas\_UI จะช่วย Generate Code ภาษา Python ให้เรา โดยที่เราไม่ต้องจำชื่อฟังก์ชัน ชื่อพารามิเตอร์ต่าง ๆ

Pandas\_UI ถูกสร้างด้วยเทคโนโลยีที่เราคุ้นเคย เช่น NumPy, plotly, ipywidgets, pandas\_profiling, qgrid โดยสร้างเป็น Jupyter Notebook Extension ทำให้สามารถรันใน [Jupyter Notebook](https://www.bualabs.com/archives/182/introduction-to-jupyter-notebook-ep-1/) ได้เลย

### เรามาเริ่มกันเลยดีกว่า

ด้วย Code เพียงแค่ 3 บรรทัด

```python
pip install pandas_ui
jupyter nbextension enable --py qgrid --sys-prefix
jupyter nbextension enable --py widgetsnbextension --sys-prefix
```

[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/gnoparus/bualabs/blob/master/nbs/23b_eda_pandas_ui.ipynb)[Check it out on github](https://github.com/gnoparus/bualabs/blob/master/nbs/23b_eda_pandas_ui.ipynb) Last updated: 02/07/2020 11:16:12

ใน ep ที่แล้ว เราใช้ Pandas Profiling ในการช่วยทำการสำรวจข้อมูล Exploratory Data Analysis (EDA) แต่ถ้าเราต้องการเปลี่ยนแปลงข้อมูลนิด ๆ หน่อย ๆ หรือเราต้องการพล็อตกราฟที่ใน Pandas Profiling ไม่มีมาให้ล่ะ จะทำอย่างไร เราสามารถใช้ Pandas\_UI มาช่วยได้

## Pandas\_UI คืออะไร <a href="#pandas_ui" id="pandas_ui"></a>

Pandas\_UI คือ เครื่องมือหน้าจอ User Interface Tools ที่ช่วยให้เราสามารถจัดการ และแก้ไขข้อมูล Pandas DataFrame ได้อย่างสะดวก และรวดเร็ว

เราสามารถเลือก Row, Column, เงื่อนไข และ Operation ที่ต้องการใน Pandas\_UI จะช่วย Generate Code ภาษา Python ให้เรา โดยที่เราไม่ต้องจำชื่อฟังก์ชัน ชื่อพารามิเตอร์ต่าง ๆ

Pandas\_UI ถูกสร้างด้วยเทคโนโลยีที่เราคุ้นเคย เช่น NumPy, plotly, ipywidgets, pandas\_profiling, qgrid โดยสร้างเป็น Jupyter Notebook Extension ทำให้สามารถรันใน Jupyter Notebook ได้เลย

## 0. Install <a href="#id-0.-install" id="id-0.-install"></a>

ติดตั้ง Library pandas\_ui และ Enable Jupyter Notebook Extension ให้เรียบร้อยIn \[1]:

```
# ! pip install pandas_ui -q
# ! pip install fastai2 -q
```

In \[2]:

```
# ! jupyter nbextension enable --py qgrid --sys-prefix
# ! jupyter nbextension enable --py widgetsnbextension --sys-prefix
```

## 1. Import <a href="#id-1.-import" id="id-1.-import"></a>

Import Library ที่เราติดตั้งไว้ด้านบนIn \[3]:

```python
from pandas_ui import *

from fastai2.basics import *
```

## 2. Data <a href="#id-2.-data" id="id-2.-data"></a>

ในเคสนี้เราจะใช้ Dataset ที่เป็นข้อมูลแบบ Tabular จาก Adult DatasetIn \[4]:

```python
path = untar_data(URLs.ADULT_SAMPLE)
```

ลอง ls ดูว่ามีไฟล์อะไรบ้างIn \[5]:

```python
path.ls()
```

Out\[5]:

```
(#3) [Path('/home/keng/.fastai/data/adult_sample/export.pkl'),Path('/home/keng/.fastai/data/adult_sample/models'),Path('/home/keng/.fastai/data/adult_sample/adult.csv')]
```

## 3. Explore Data <a href="#id-3.-explore-data" id="id-3.-explore-data"></a>

สั่งเปิดไฟล์ CSV ได้เลยIn \[6]:

```
# pandas_ui??
```

In \[9]:

```python
pandas_ui(path/'adult.csv')ตัวอย่างหน้าจอการใช้งาน
```

หน้าจอหลัก

![Pandas\_UI Main UI](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_11-1024x664.png)

ลบ Row ที่เลือกไว้

![Panda\_UI Remove Selected Rows](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_13-1024x660.png)

ประวัติการแก้ไข เราสามารถนำโค้ด Python ที่ Generate มาให้ไปใช้ต่อได้เลย

![Panda\_UI History](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_12-1024x267.png)

แก้ไขข้อมูลใน DataFrame โดยตรง&#x20;

![Panda\_UI Add new rows and Modify Data](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_14.png)

มีฟังก์ชัน [Pandas Profiling](https://www.bualabs.com/archives/2297/exploratory-data-analysis-eda-pandas-profiling-pandas-dataframe-pandas-ep-6/) Report ในตัว

![Panda\_UI Pandas Profiling Report Variables](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_15.png)

![Panda\_UI Pandas Profiling Report Correlations](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_16.png)

เลือก 1 Column มาพล็อต Histogram เราสามารถนำโค้ด ภาษา Python ที่ Generate มาให้ไปใช้ต่อได้เลย

![Pandas\_UI Plots Histogram](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_17.png)

รองรับกราฟ 3 มิติ

![Pandas\_UI Plots Scatter 3D](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_18.png)

ตัวอย่างหน้าจอพล็อตกราฟ 3 มิติ Scatter 3D เราไม่ต้องจำชื่อ Parameter

![Pandas\_UI Form for Plots Scatter 3D](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_19-1024x500.png)

หน้าจอสร้างคำสั่ง Update ข้อมูลทีละเยอะ ๆ ตามเงื่อนไขที่กำหนด

![Panda\_UI Pandas Update Table Value Operation on Condition](https://www.bualabs.com/wp-content/uploads/2020/06/pandas_ui_20-1024x551.png)

### Credit

* <https://medium.com/@arunnbaba/pandas-ui-87316a4e19c7>
* <https://github.com/arunnbaba/pandas_ui>

### หมายเหตุ

* Library นี้ใหม่มาก ยังมี Bug อยู่หลายจุด
* ถ้าเกิด Error ให้รัน Cell ใหม่
* ขณะนี้ยังไม่รองรับ [Google Colab](https://www.bualabs.com/archives/1687/what-is-colab-open-jupyter-notebook-in-github-on-google-colab-create-open-in-colab-button-colab-ep-1/)

#### แชร์ให้เพื่อน:

[Facebook](https://www.bualabs.com/#facebook)[Twitter](https://www.bualabs.com/#twitter)[Email](https://www.bualabs.com/#email)[LinkedIn](https://www.bualabs.com/#linkedin)[Line](https://www.bualabs.com/#line)[Share](https://www.addtoany.com/share#url=https%3A%2F%2Fwww.bualabs.com%2Farchives%2F4299%2Fpandas_ui-pandas-dataframe-user-interface-tools-pandas-ep-7%2F\&title=Pandas_UI%20%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B7%E0%B9%88%E0%B8%AD%E0%B8%87%E0%B8%A1%E0%B8%B7%E0%B8%AD%E0%B8%88%E0%B8%B1%E0%B8%94%E0%B8%81%E0%B8%B2%E0%B8%A3%20Pandas%20DataFrame%20%E0%B9%81%E0%B8%9A%E0%B8%9A%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%20%E0%B9%86%20%E2%80%93%20Pandas%20ep.7)

#### บทความที่เกี่ยวข้อง:

1. [สำรวจข้อมูล Exploratory Data Analysis (EDA) ด้วย Pandas Profiling วิเคราะห์ Pandas DataFrame – Pandas ep.6](https://www.bualabs.com/archives/2297/exploratory-data-analysis-eda-pandas-profiling-pandas-dataframe-pandas-ep-6/)
2. [จัดการหมวดหมู่เล็ก ๆ ยิบย่อย รวมข้อมูลหมวดหมู่ Category เล็ก ๆ เป็นหมวดหมู่ Other ก่อนป้อนเทรน Machine Learning – Preprocessing ep.4](https://www.bualabs.com/archives/2393/combine-small-category-to-other-category-before-feed-machine-learning-preprocessing-ep-4/)
3. [Customer Segmentation คืออะไร สอนทฤษฎี Machine Learning หลักการ สร้าง Segment Profile กลุ่มลูกค้า, Customer Profile การแบ่งกลุ่มลูกค้า ด้วย K-Means Clustering – Tabular Data ep.4](https://www.bualabs.com/archives/3866/what-is-customer-segmentation-build-segment-profile-target-group-customer-profile-k-means-clustering-tabular-data-ep-4/)
4. [Latent Semantic Analysis (LSA) คืออะไร Text Classification ด้วย Singular Value Decomposition (SVD), Non-negative Matrix Factorization (NMF) – NLP ep.4](https://www.bualabs.com/archives/2971/lsa-latent-semantic-analysis-text-classification-singular-value-decomposition-svd-non-negative-matrix-factorization-nmf-nlp-ep-4/)

Reference : <https://www.bualabs.com/archives/4299/pandas_ui-pandas-dataframe-user-interface-tools-pandas-ep-7/#more-4299>