PyGWalker Schnellstart

Schnellstart in Jupyter Notebook

Importieren Sie pygwalker und pandas in Ihr Jupyter Notebook, um loszulegen.

import pandas as pd
import pygwalker as pyg

Laden Sie Ihre Daten als Dataframe und geben Sie es an pygwalker weiter.

df = pd.read_csv('./<your_csv_file_path>.csv')
walker = pyg.walk(df)

pygwalker akzeptiert nicht nur Pandas Dataframes, sondern auch Modin Dataframes und sogar eine Datenverbindung wie Snowflake.

Verbesserung der Leistung von pygwalker

Manchmal kann Ihr Dataframe ziemlich groß sein und die Leistung von pygwalker verlangsamen. Jetzt bieten wir Ihnen eine einfache Möglichkeit, die Leistung mit einem zusätzlichen Parameter kernel_computation zu verbessern.

pyg.walk(df, kernel_computation=True)

Durch das Setzen von kernel_computation=True wird der neue Berechnungs-Engine in pygwalker aktiviert, der von DuckDB unterstützt wird.

Verwendung von pygwalker mit Snowflake

Manchmal kann Ihre Datenmenge extrem groß sein und Sie möchten sie nicht in den lokalen Speicher laden. PyGWalker ermöglicht es, alle Berechnungen in einen Remote-OLAP-Dienst wie Snowflake zu übertragen.

pip install --upgrade --pre pygwalker
pip install --upgrade --pre "pygwalker[snowflake]"

Hier ist ein Codebeispiel für die Verwendung von pygwalker mit Snowflake.

import pygwalker as pyg
from pygwalker.data_parsers.database_parser import Connector
conn = Connector(
    "snowflake://user_name:password@account_identifier/database/schema",
    """
        SELECT
            *
        FROM
        SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.ORDERS
    """
)
walker = pyg.walk(conn)

Schnellstart in Streamlit

PyGWalker ist leistungsstark für die lokale Datenexploration und es ist großartig, wenn es in einer Web-App ausgeführt werden kann. Grundsätzlich gibt es viele Möglichkeiten, dies zu implementieren:

Verwenden Sie Streamlit (opens in a new tab), um eine Web-App zu erstellen.

Streamlit ist ein großartiges Tool, um Daten-Apps mit Python zu erstellen, insbesondere für Datenwissenschaftler, die nicht mit der Web-Entwicklung vertraut sind. Hier ist ein schnelles Beispiel für die Verwendung von PyGWalker mit Streamlit.

from pygwalker.api.streamlit import StreamlitRenderer
import pandas as pd
import streamlit as st
 
# Adjust the width of the Streamlit page
st.set_page_config(
    page_title="Use Pygwalker In Streamlit",
    layout="wide"
)
 
# Add Title
st.title("Use Pygwalker In Streamlit")
 
# You should cache your pygwalker renderer, if you don't want your memory to explode
@st.cache_resource
def get_pyg_renderer() -> "StreamlitRenderer":
    df = pd.read_csv("./bike_sharing_dc.csv")
    # If you want to use feature of saving chart config, set `spec_io_mode="rw"`
    return StreamlitRenderer(df, spec="./gw_config.json", spec_io_mode="rw")
 
 
renderer = get_pyg_renderer()
 
renderer.explorer()

(opens in a new tab)

Lesen Sie diesen Artikel aus der Community, um mehr darüber zu erfahren, wie Sie PyGWalker mit Streamlit verwenden können: pygwalker streamlit api

Installation Dataset