经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
本系列介绍了许多类比 Excel 的 pandas 操作，确实他们都能很好对应起来，这是因为 pandas 本身是以行列表作为核心概念，比如说 Excel 中的透视表，在 pandas 中就有一一对应，本系列已经讲解过。
Excel 的操作便利性在于只需要鼠标点击就可以完成操作，这对于查看数据是非常方便。
难道我们用 Python 就不能做到吗？本文将结合一些工具，使得你的 pandas 处理过程变得灵活动态。
透视表的灵活性
当我们拿到一份数据时，经常需要不断改变条件对数据进行观测，如下一份某水果的销售情况：
- 一行数据表示，某天(date)在某地区(region)此水果的某个品种(type)的价格(AveragePrice)和销量(Total Volume)
- 希望看到不同年份总销量前10的地区，以及各个品种的销量信息
由于需求需要汇总，Excel 中使用透视表是最好的方式：
- 过程不多说，这里值得注意的是，我们能通过最上方选择不同的年份，下方数据表能马上显示此年份总销量 top 10 的地区数据
用 Python 能快速简单做出这种效果吗？
小组件
我们将使用 ipywidgets 库，此工具最适合用在 Jupyter Notebook 上，假设你已经安装好 Jupyter Notebook ，打开你的 cmd，执行以下命令：
代码语言：javascript复制pip install ipywidgets && jupyter nbextension enable --py widgetsnbextension
直到看到如下信息：
代码语言：javascript复制Enabling notebook extension jupyter-js-widgets/extension...
- Validating: ok
现在重启你的 Jupyter Notebook 即可
注意：
- 如果你不知道怎么安装 Anaconda 或 Jupyter Notebook 的使用，可以查看我以前的文章
- widgets 库用于完成各种小组件，他能生成网页内容，不仅仅在 Jupyter Notebook 使用，但本文只讲解在 Jupyter Notebook 上的使用
修饰你的 pandas 处理
本文需要导入的库是这些：
首先使用 pandas 得到透视表的结果，这非常简单：
- 行3,4：为了突出可以变化的东西，这里定义2个变量
- 通过修改2个变量，我们能得到对应的结果数据
但是这远远不够，想看不同年份或不同 Top N 的结果，都需要修改代码。
我们稍微加工一下这个过程，定义一个函数：
- 现在好一些，但是改变条件仍然需要修改代码
简单加上一个装饰器即可：
- 行1：@wg.interact 是一个装饰器，打到我们的自定义函数上
- 其中每个命名参数为自定义函数上的参数
- x_df=wg.fixed(df) ，表示 x_df 参数使用变量 df，并且这个参数是不需要改变的。因此界面上就没有这个变量的选项
- year=[2015,2016,2017,2018] ，年份有4种选择，此时界面上看到一个 year 的下拉框供用户点选
- topn=range(1,11) ，topn 有10种选择，界面同样可以看到下拉框
- 现在，我们只需要简单从下拉框选择条件值，下方的结果会马上刷新，这与 Excel 中的透视表一模一样
不过，大家都知道 Excel 中还能根据透视表制作透视图，这里我们同样可以制作出动态变化的图表：
- 行13，14：使用 display 方法，输出内容即可
总结
接下来，我将会讲解关于小组件的应用系列，他在 Python 数据探索和数据可视化方面，能做出很多有趣的事情，敬请关注！
