Mit diesem CSV-Beispiel:
Source,col1,col2,col3
foo,1,2,3
bar,3,4,5
Die Standardmethode, die ich für Pandas verwende, ist folgende:
CSV analysieren
Wählen Sie Spalten in einem Datenrahmen aus ( col1und col3)
col1und col3)Gibt es eine JavaScript-Bibliothek, die Pandas mag?
Antworten:
Alle Antworten sind gut. Ich hoffe, meine Antwort ist umfassend (dh ich versuche, alle Optionen aufzulisten). Ich hoffe, dass ich zurückkehren und diese Antwort mit allen Kriterien überarbeiten kann, um eine Auswahl zu treffen.
Ich hoffe, dass jemand, der hierher kommt, vertraut ist d3. d3ist ein sehr nützliches "Schweizer Taschenmesser" für den Umgang mit Daten in Javascript, wie pandases für Python hilfreich ist. Sie können d3häufig verwendet sehen pandas, auch wenn d3es sich nicht genau um einen DataFrame / Pandas-Ersatz handelt (dh d3nicht die gleiche API hat; d3nicht Series/ DataFramedie sich wie in verhält pandas).
In Ahmeds Antwort wird erklärt, wie mit d3 einige DataFrame-Funktionen erreicht werden können. Einige der folgenden Bibliotheken wurden von Dingen wie LearnJsData inspiriert, die d3und verwenden lodash.
Was DataFrame-fokussierte Funktionen betrifft, war ich mit JS-Bibliotheken überfordert, die helfen. Hier ist eine kurze Liste einiger Optionen, auf die Sie möglicherweise gestoßen sind. Ich habe noch keine im Detail überprüft (die meisten habe ich in Kombination mit Google + NPM-Suche gefunden).
Achten Sie darauf, dass Sie eine Sorte verwenden, mit der Sie arbeiten können. Einige sind Node.js, auch bekannt als serverseitiges Javascript, andere sind browserkompatibel, auch bekannt als clientseitiges Javascript. Einige sind Typoskript.
Nachdem ich zu dieser Frage gekommen war, andere Antworten hier überprüft und mehr gesucht hatte, fand ich Optionen wie:
JSAlternative zu den IPython / Jupyter "Notebooks" zu sein.js-data-mongodb, js-data-redis, js-data-cloud-datastore), Sortierung, Filterung, usw.Ich hoffe, dieser Beitrag kann zu einem Community-Wiki werden und anhand verschiedener Kriterien wie z. B.: Bewertet (dh die verschiedenen oben genannten Optionen verglichen) werden.
Jupyter
(interaktive Notizbücher) usw.Einige Dinge, die eine JS-Bibliothek möglicherweise nie tut (aber könnte es?)
Ich habe an einer Data Wrangling-Bibliothek für JavaScript namens Data-Forge gearbeitet. Es ist inspiriert von LINQ und Pandas.
Es kann folgendermaßen installiert werden:
npm install --save data-forge
Ihr Beispiel würde folgendermaßen funktionieren:
var csvData = "Source,col1,col2,col3\n" +
"foo,1,2,3\n" +
"bar,3,4,5\n";
var dataForge = require('data-forge');
var dataFrame =
dataForge.fromCSV(csvData)
.parseInts([ "col1", "col2", "col3" ])
;
Wenn sich Ihre Daten in einer CSV-Datei befinden, können Sie sie folgendermaßen laden:
var dataFrame = dataForge.readFileSync(fileName)
.parseCSV()
.parseInts([ "col1", "col2", "col3" ])
;
Mit der selectMethode können Sie Zeilen transformieren.
Sie können eine Spalte extrahieren, indem Sie getSeriesdie selectMethode verwenden, um Werte in dieser Spalte zu transformieren.
Sie erhalten Ihre Daten wie folgt aus dem Datenrahmen zurück:
var data = dataFrame.toArray();
So mitteln Sie eine Spalte:
var avg = dataFrame.getSeries("col1").average();
Damit können Sie noch viel mehr tun.
Weitere Dokumentation finden Sie auf npm .
Ceaveat Das Folgende gilt nur für d3 v3 und nicht für das neueste d4v4!
Ich bin ein Teil von d3.js , und obwohl es kein vollständiger Ersatz für Pandas ist, sollte es in der Lage sein, alle Ihre Daten für Sie zu erledigen , wenn Sie einige Zeit damit verbringen, sein Paradigma zu lernen. (Und wenn Sie am Ende Ergebnisse im Browser anzeigen möchten, ist dies ideal dafür geeignet.)
Beispiel. Meine CSV-Datei data.csv:
name,age,color
Mickey,65,black
Donald,58,white
Pluto,64,orange
Erstellen Sie im selben Verzeichnis ein Verzeichnis, index.htmldas Folgendes enthält:
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8"/>
<title>My D3 demo</title>
<script src="http://d3js.org/d3.v3.min.js" charset="utf-8"></script>
</head>
<body>
<script charset="utf-8" src="demo.js"></script>
</body>
</html>
und auch eine demo.jsDatei, die Folgendes enthält:
d3.csv('/data.csv',
// How to format each row. Since the CSV file has a header, `row` will be
// an object with keys derived from the header.
function(row) {
return {name : row.name, age : +row.age, color : row.color};
},
// Callback to run once all data's loaded and ready.
function(data) {
// Log the data to the JavaScript console
console.log(data);
// Compute some interesting results
var averageAge = data.reduce(function(prev, curr) {
return prev + curr.age;
}, 0) / data.length;
// Also, display it
var ulSelection = d3.select('body').append('ul');
var valuesSelection =
ulSelection.selectAll('li').data(data).enter().append('li').text(
function(d) { return d.age; });
var totalSelection =
ulSelection.append('li').text('Average: ' + averageAge);
});
Führen Sie im Verzeichnis http: // localhost: 8181 auspython -m SimpleHTTPServer 8181 und öffnen Sie es in Ihrem Browser, um eine einfache Auflistung des Alters und seines Durchschnitts anzuzeigen.
Dieses einfache Beispiel zeigt einige relevante Funktionen von d3:
Pandas.js ist im Moment eine experimentelle Bibliothek, scheint aber sehr vielversprechend zu sein, da sie unter der Haube unveränderliche.js und NumpPy-Logik verwendet. Beide Datenobjektserien und DataFrame sind vorhanden.
Unten ist Python Numpy und Pandas
`` `
import numpy as np
import pandas as pd
data_frame = pd.DataFrame(np.random.randn(5, 4), ['A', 'B', 'C', 'D', 'E'], [1, 2, 3, 4])
data_frame[5] = np.random.randint(1, 50, 5)
print(data_frame.loc[['C', 'D'], [2, 3]])
# axis 1 = Y | 0 = X
data_frame.drop(5, axis=1, inplace=True)
print(data_frame)
`` `
Dasselbe kann in JavaScript erreicht werden * [ numjs funktioniert nur mit Node.js ] D3.js verfügt jedoch über weit erweiterte Optionen für Datendateien. Sowohl numjs als auch Pandas-js sind noch in Arbeit.
import np from 'numjs';
import { DataFrame } from 'pandas-js';
const df = new DataFrame(np.random.randn(5, 4), ['A', 'B', 'C', 'D', 'E'], [1, 2, 3, 4])
// df
/*
1 2 3 4
A 0.023126 1.078130 -0.521409 -1.480726
B 0.920194 -0.201019 0.028180 0.558041
C -0.650564 -0.505693 -0.533010 0.441858
D -0.973549 0.095626 -1.302843 1.109872
E -0.989123 -1.382969 -1.682573 -0.637132
*/Ich denke, am nächsten kommen Bibliotheken wie:
Insbesondere Recline verfügt über ein Dataset-Objekt mit einer Struktur, die Pandas-Datenrahmen ähnelt. Anschließend können Sie Ihre Daten mit "Ansichten" wie Datenraster, Grafiken, Karten usw. verbinden. Ansichten sind normalerweise dünne Umhüllungen vorhandener Best-of-Breed-Visualisierungsbibliotheken wie D3, Flot, SlickGrid usw.
Hier ist ein Beispiel für Zurücklehnen:
// Einige Daten laden
var dataset = recline.Model.Dataset ({
Aufzeichnungen: [
{Wert: 1, Datum: '2012-08-07'},
{Wert: 5, b: '2013-09-07'}
]]
// Lade stattdessen CSV-Daten
// (Und Recline unterstützt viele weitere Datenquellentypen)
// url: 'my-local-csv-file.csv',
// Backend: 'csv'
});
// Holen Sie sich ein Element aus Ihrem HTML für den Viewer
var $ el = $ ('# data-viewer');
var allInOneDataViewer = new recline.View.MultiView ({
Modell: Datensatz,
el: $ el
});
// Ihr neuer Daten-Viewer wird live sein!
@neversaint dein Warten hat ein Ende. sagen willkommen zu Danfo.js die Pandas wie Javascript - Bibliothek gebaut auf tensorflow.js und unterstützt Tensoren aus der Box ist. Dies bedeutet, dass Sie die Danfo-Datenstruktur in Tensoren konvertieren können. Und Sie können Groupby, Zusammenführen, Verbinden, Plotten und andere Datenverarbeitung durchführen.
Es ist ziemlich einfach, CSV in Javascript zu analysieren, da jede Zeile bereits im Wesentlichen ein Javascript-Array ist. Wenn Sie Ihre CSV in ein Array von Zeichenfolgen laden (eine pro Zeile), ist es ziemlich einfach, ein Array von Arrays mit den folgenden Werten zu laden:
var pivot = function(data){
var result = [];
for (var i = 0; i < data.length; i++){
for (var j=0; j < data[i].length; j++){
if (i === 0){
result[j] = [];
}
result[j][i] = data[i][j];
}
}
return result;
};
var getData = function() {
var csvString = $(".myText").val();
var csvLines = csvString.split(/\n?$/m);
var dataTable = [];
for (var i = 0; i < csvLines.length; i++){
var values;
eval("values = [" + csvLines[i] + "]");
dataTable[i] = values;
}
return pivot(dataTable);
};
Dann getData()kehrt ein mehrdimensionales Array von Werten durch Spalte.
Ich habe dies in einer jsFiddle für Sie demonstriert .
Natürlich können Sie es nicht so einfach machen, wenn Sie der Eingabe nicht vertrauen - wenn Ihre Daten ein Skript enthalten könnten, das eval möglicherweise aufnimmt usw.
Hier ist ein dynamischer Ansatz unter der Annahme eines vorhandenen Headers in Zeile 1. Die CSV wird mit geladen d3.js.
function csvToColumnArrays(csv) {
var mainObj = {},
header = Object.keys(csv[0]);
for (var i = 0; i < header.length; i++) {
mainObj[header[i]] = [];
};
csv.map(function(d) {
for (key in mainObj) {
mainObj[key].push(d[key])
}
});
return mainObj;
}
d3.csv(path, function(csv) {
var df = csvToColumnArrays(csv);
});
Dann können Sie auf jede Spalte der Daten zugreifen, die einem R-, Python- oder Matlab-Datenrahmen ähnelt df.column_header[row_number].