1.Mito

Mito 是 Python 的电子表格界面——你可以在你的 Python 环境中调用 Mito，你在电子表格中所做的每次编辑都会在下面的代码单元格中生成等效的 Python。 想象一下，如果你在 Excel 中所做的一切都可以生成 Python 代码——那就是 Mito。

为 Mito 安装命令：

python -m pip install mitoinstaller
python -m mitoinstaller install

然后打开 Jupyter Lab 并调用 Mitosheet

import mitosheet
mitosheet.sheet()

完整的说明可以在 Mito 网站的“docs”下找到。

Mito 是一种快速完成数据科学任务的快速方法，无需完美的语法——Mito 为您编写代码。

功能包括：

• 绘图
• 数据透视表
• 过滤器
• 合并
• 排序
• 汇总统计
• 导入和导出 Excel 文件
• 去重
• 添加和删除列
• 编辑特定单元格
• 和更多！

2. Plotly

Plotly 是 Python 的开源图形库。 他们的图表涵盖了一些特定领域的领域，例如金融和地理——这将它们与像 Matplotlib 这样的包区分开来。 Plotly 专注于允许用户创建交互式图表。 这些图表不仅允许创建者从数据中展示他们的见解，而且还允许查看者做出自己的见解。

您可以使用以下命令安装 Plotly：

$ pip install plotly==5.5.0

这是最简单的 Plotly 图表之一的示例：

import plotly.express as px
fig = px.bar(x=["a", "b", "c"], y=[1, 3, 2])
fig.show()

在图像中很难看到，但在笔记本中，如果您将鼠标悬停在此图表上，您将有许多选项与此图表进行交互，包括放大数据和导出为 PNG。

从下面的示例中可以看出，Plotly 提供了各种易于使用但功能强大的图表。

3.Streamlit

Streamlit 旨在快速构建数据应用程序。 近年来，将“应用程序”作为内部和外部业务工具的想法广受欢迎（我可以为此写一个完整的博客！）。 似乎它们的崛起与 Mito 和 Plotly 等低代码/无代码工具的兴起同步并可能受到了刺激，这些工具允许较少技术用户进入数据科学领域。

这是来自 Data Professor 的关于 Streamlit 的演示。

要导入 Streamlit，请运行以下命令：

import streamlit as st

Streamlit 还具有“组件”，它们是可用于您的应用程序和仪表板的第三方功能。 例如，您可以在 Streamlit 中使用  AGgrid、Bokeh 或 Pandas Profiling。

以下是他们网站上的一些 Streamlit 应用程序示例：

您可以在 Github 上为 Streamlit 加注星标，请点击此处。

我希望这些软件包对您有所帮助。 他们三人的共同点是，他们都明白数据科学和 Python 在传统数据科学团队之外的应用越来越广泛。 营销人员、销售专家、运营专家、财务专家以及介于两者之间的每个人都已经在与数据科学工作流程进行交互。 这些工具可帮助技术和非技术受众聚集在一起，共同推动数据科学向前发展 :)

原文：https://medium.com/trymito/3-python-packages-to-start-using-in-2022-42f…

本文：