Как вставить в тетрадь листы: Как сделать тетрадь на скрепках без использования специальных инструментов?

Как загрузить фреймворк Pandas из специального рабочего листа Google Sheets

Мы также можем получить данные непосредственно из любого рабочего листа Google Sheets в виде фрейма данных pandas:

 
get_as_df (has_header = True, index_column = None, start = None, end = None, numerize = True, empty_value = '', value_render = , ** kwargs) [источник]
  

  dataframe_two = wks.get_as_df ()  

  print (f «Этот новый фрейм данных имеет {dataframe_two.shape [0]} строк и {dataframe_two.shape [1]} столбцов»)
# Этот новый фрейм данных имеет 1000 строк и 11 столбцов  

  dataframe_two.head (6)
  

Как получить все значения таблицы Google в формате Python

Мы также можем получить всех значений в списке списков:

  all_values ​​= wks.get_all_values ​​()  

В моем случае обратите внимание на то, как он занял все пустые места, расположенные с правой стороны рабочего листа:

  print (all_values ​​[0])

["Ключевое слово", "Страна", "Сложность", "Объем", "Цена за клик", "Клики", "CPS", "Коэффициент возврата", "Родительское ключевое слово", "Последнее обновление", "Функции поисковой выдачи", " ',' ',' ',' ',' ',' ',' ',' ']  

Чтобы быстро удалить пустые строки в списке, нужно выполнить понимание вложенного списка :

  cleaned_values ​​= [[item for item in unique_list if item] for unique_list in all_values]  

Как получить диапазоны ячеек в Google Таблицах с помощью Python

Вы также можете извлекать определенные диапазоны (столбцы и строки) аналогично вашим функциям Excel:

  диапазон_ячеек = нед.диапазон ('A1: F10',
          returnas = 'matrix')  

  print (cell_range)  

  [['Ключевое слово', 'Страна', 'Сложность', 'Объем', 'Цена за клик', 'Клики'], ['Побережье', 'gb', '42', '70000', '2.5', '64715'], ['hubspot', 'gb', '67', '63000', '5', '59708'], ['цифровой маркетинг ',' gb ',' 74 ',' 19000 ',' 7 ',' 11033 '], [' digital ',' gb ',' 89 ',' 16000 ',' 2,5 ',' 5912 '], ['значение содержимого', 'gb', '45', '4400', '17', '622'], ['digital media', 'gb', '24', '3600', '3', ' 1671 '], [' агентство цифрового маркетинга ',' gb ',' 57 ',' 3400 ',' 18 ',' 3925 '], [' digital uk ',' gb ',' 24 ',' 3100 ', '1.2 ',' 2402 '], [' what is digital marketing ',' gb ',' 74 ',' 3100 ',' 2.5 ',' 2119 ']]  

Как получить одну строку для извлечения Заголовки столбцов

Мы можем получить одну строку с:

 
wks.get_row (строка, returnas = 'matrix', include_tailing_empty = True, ** kwargs)
  

  заголовки = wks.get_row (1, include_tailing_empty = False)  

  печать (заголовки)  

  ['ключевое слово', 'страна', 'сложность', 'объем', 'цена за клик', ' Clicks »,« CPS »,« Return Rate »,« Parent Keyword »,« Last Update »,« SERP Features »]  

☝️☝️☝️ Также обратите внимание, как мы изменили include_tailing_empty на False , что автоматически удалило все пустые строки в этой строке ☝️☝️☝️

Как извлечь один столбец

Иногда вам может потребоваться выбрать конкретный столбец на рабочем листе:

  first_column = wks.get_col (1)
first_column_data = first_column [1:] # Здесь мы делаем фрагмент Python, чтобы избежать
# извлечение имен столбцов из первой строки (ключевое слово)  

Как отсортировать по столбцу

Вы можете легко отсортировать лист Google по определенному столбцу с помощью:

 
wks.sort_range (начало, конец, индекс базового столбца = 0, sortorder = 'ASCENDING')
# Сортировка данных в строках на основе заданного индекса столбца.
  

  wks.sort_range (start = 'A2', end = 'L1001', basecolumnindex = 4, sortorder = 'DESCENDING')  

Стоит знать, что np.nans (не число) рассматриваются как большие числа в таблицах Google. Поэтому давайте очистим лист, удалим все nans перед загрузкой фрейма данных, а затем мы выполним эту операцию снова.

Как очистить лист Google с помощью Python

Вы можете очистить все существующие строки и столбцы на листе, указав ту же переменную рабочей области (wks) и синтаксис .clear () :

 
wks.clear ()
  

Теперь я бы порекомендовал удалить любые nans перед загрузкой фрейма данных! Итак, давайте удалим все np.нанс в столбце объема:

  df.dropna (subset = ['Volume'], inplace = True)
wks.set_dataframe (df, start = (1,1))  

Давайте попробуем снова выполнить сортировку по столбцу Volume с помощью pygsheets:

  wks.sort_range (start = 'A2', end = 'L1001', basecolumnindex = 4 , sortorder = 'DESCENDING')  

Как перебирать каждую строку

Вы можете перебирать строку в листе Google с помощью цикла for:

  для строки за неделю:
    print (row)  

Обновление определенных частей вашей таблицы Google

Обновление частей вашей таблицы Google дает вам гибкость при выполнении дампа необработанных данных в таблицы Google.

После этого и в случае изменения других ситуаций или API вы можете специально обновить любой столбец, строку или диапазон в своей таблице Google.

Как заменить определенные значения в вашей таблице Google

Замена значений в ваших таблицах Google невероятно проста и может быть выполнена через:

 
wks.replace (шаблон, замена = Нет, ** kwargs)
  

Давайте, например, попробуем заменить любое np.nans (не число) в столбце Clicks and CPS:

  wks.replace ("NaN", replace = "0")  

Хотя это действительно заменило значения "NaN", операция произошла во всех столбцах и строках на листе. Возможно, это не совсем то, что вы ищете.

Например, может быть, вы просто хотите заменить значения ячеек в двух столбцах?

Введение в поиск и обновление значений

  wks.clear ()
wks.set_dataframe (df, start = (1,1))  

Мы выполним следующие операции:

• Найдите все ячейки между столбцом 3 и 6 (исключая, поэтому будут выбраны только два столбца).
• Затем сопоставить с NaN (не числом) ячеек.

  cells = wks.find ("NaN", searchByRegex = False, matchCase = False,
     matchEntireCell = False, includeFormulas = False,
    cols = (3,6), rows = None, forceFetch = True)  

  print (ячейки [0: 5])  

  [, , , , ]  

Как обновить диапазон значений

Если вы хотите обновить диапазон значений, используйте следующий синтаксис, для этого примера мы назначим выбранные значения nan для «Other»:

  нед.update_values ​​(crange = None, values ​​= None, cell_list = None, extend = False, majordim = 'ROWS', parse = None)
  

  для ячейки в ячейках:
    cell.value = "Другое"
wks.update_values ​​(cell_list = cells)  

Как видите, мы обновили только значения NaN в столбце CPC и кликов на «Другое», а значения других столбцов остались прежними!

В приведенном выше примере мы специально указали список ячеек, однако вы также можете использовать два метода ниже:

 
# Обновить отдельную ячейку.wks.update_value ('A1', «Цифры на всяком»)

# Обновите рабочий лист значениями массива numpy. Начиная с ячейки «A2».
wks.update_values ​​('A2', my_numpy_array.to_list ())
  

Обработка данных столбца

Как добавить несколько столбцов

Чтобы добавить столбцы на существующий рабочий лист, вы можете использовать следующий синтаксис:

  wks.add_cols (5)  

Как получить имена столбцов с помощью Позиции индекса столбца

Сначала мы извлечем все заголовки в строке 1, затем мы заключим эту переменную в enumerate и преобразуем ее в словарь Python.

Это позволит нам создать таблицу поиска для позиций индекса!

Обратите внимание на то, как мы также изменились:

 
include_tailing_empty = Верно
  

Причина в том, что мы просто хотим убедиться, что если бы у нас были пустые значения столбцов между таблицами, мы также выбрали бы любые пустые строковые значения между столбцами.

  заголовков = wks.get_row (1, include_tailing_empty = True)
enumerated_headers = list (enumerate (headers))  

  print (f "{enumerated_headers}")  

  [(0, 'Ключевое слово'), (1, 'Страна'), (2, 'Сложность') , (3, 'Объем'), (4, 'CPC'), (5, 'Clicks'), (6, 'CPS'), (7, 'Return Rate'), (8, 'Parent Keyword') , (9, 'Последнее обновление'), (10, 'Функции SERP'), (11, ''), (12, ''), (13, ''), (14, ''), (15, ''), (16, ''), (17, ''), (18, '')]  

Теперь давайте удалим любой из перечисленных заголовков, которые имеют пустую строку с пониманием списка:

  enumerated_headers = [tuple_object для tuple_object в enumerated_headers, если tuple_object [1]]  

  print (f "Это очищенные пронумерованные заголовки: nn {enumerated_headers}")  

  Это очищенные пронумерованные заголовки:

 [(0, 'Ключевое слово'), (1, 'Страна'), (2, 'Сложность'), (3, 'Объем'), (4, 'Цена за клик'), (5, 'Клики'), ( 6, 'CPS'), (7, 'Return Rate'), (8, 'Parent Keyword'), (9, 'Last Update'), (10, 'SERP Features')]  

Затем мы можем преобразовать этот список кортежей в словарь Python, чтобы создать таблицу поиска для столбцов по сравнению с их позициями в индексе:

  lookup_table = dict (enumerated_headers)
lookup_table_reversed = {значение: ключ для ключа, значение в lookup_table.items ()}  

  print (f "Отсюда вы можете увидеть, как мы создали таблицу поиска через словарь Python, где ключ - это имя столбца, а значение - позиция индекса: nn {lookup_table_reversed}")  

  Из этого вы можете увидеть, как мы создали таблицу поиска через словарь Python, где ключ - это имя столбца, а значение - позиция индекса:

 {"Ключевое слово": 0, "Страна": 1, "Сложность": 2, "Объем": 3, "Цена за клик": 4, "Клики": 5, "CPS": 6, "Коэффициент возврата": 7, «Родительское ключевое слово»: 8, «Последнее обновление»: 9, «Функции SERP»: 10}  

Как удалить столбцы

При удалении столбцов через pyghseets вам нужно будет передать два параметра:

 
нед.delete_cols (индекс, число = 1)

index - индекс первого удаляемого столбца.
number - количество удаляемых столбцов.
  

  print (f "В настоящее время у нас есть {wks.cols} столбцы в таблице Google.")
# В настоящее время в листе Google 19 столбцов.  

  макс. (Lookup_table.keys ()) + 1
# 11  

Как мы видим, самая высокая позиция индекса, которая у нас в качестве истинного столбца из строки 1 равна 10. Поэтому давайте удалим все столбцы из позиции индекса 12 и выше:

Совет от профессионалов: теперь причина почему это 12, а не 11, потому что pygsheets начинает позиционирование индекса для столбцов и строк с 1, в то время как python начинает свое индексирование с позиции 0.Также pygsheets включает начальный индекс (1 означает начиная с 1, а не столбец 2 и далее).

  wks.delete_cols (index = 12, number = wks.cols - 10)  

Теперь вы можете легко удалить несколько столбцов, создав свой собственный индекс столбца с помощью enumerate!

Как вставить столбцы

Следующий синтаксис позволяет вставлять несколько столбцов:

 
wks.insert_cols (столбец, число = 1, значения = Нет, наследование = Ложь)

Параметры:
col - Индекс столбца, в который будут вставлены значения.number - количество столбцов для вставки.
values ​​- содержимое, которое будет вставлено в новые столбцы.
наследовать - новые ячейки будут наследовать свойства столбца слева (Истина) или справа (Ложь).
  

Как обновить один столбец

Чтобы обновить один столбец, используйте следующий синтаксис:

 
wks.update_col (индекс, значения, row_offset = 0)
  

Мы можем использовать предыдущую таблицу поиска, которую мы создали для поиска определенного столбца:

  data = wks.update_col (index = lookup_table_reversed ['CPS'] + 1
               , values ​​= wks.rows * ["NA"],
               row_offset = 1)  

Совет: если вам нужно создать список определенного размера в Python, используйте следующий код:

 
this_list_will_be_10_5s = [5] * 10
печать ([5] * 10)

# [5, 5, 5, 5, 5, 5, 5, 5, 5, 5]  

Как настроить ширину столбца

Вам нужно настроить определенные столбцы на определенную ширину? Без проблем!

 
нед.Adjust_column_width (начало, конец = Нет, размер_пикселя = Нет)
  

Также стоит помнить, что всякий раз, когда вы используете wks.clear (), все форматирование будет удалено с рабочего листа.

Мы можем просто предоставить pygsheets с начальным индексом и конечным индексом для столбцов с определенным размером пикселя, например:

  wks.adjust_column_width (start = 1, end = 3, pixel_size = 300)  

Row Обработка данных

Как выбрать одну строку

Чтобы выбрать одну строку, вы можете просто использовать:

 
нед.get_row (строка, returnas = 'матрица', include_tailing_empty = True, ** kwargs)

include_tailing_empty - включать ли пустые конечные ячейки / значения после последнего ненулевого значения
row - индекс строки
kwargs - все параметры pygsheets.Worksheet.get_values ​​()
returnas - («матрица», «ячейка», «диапазон») возвращать как объекты ячеек или просто 2-мерный массив или объект диапазона
  

  wks.get_row (1)  

  ['Ключевое слово',
 'Страна',
 "Сложность",
 'Объем',
 "Цена за клик",
 "Клики",
 'CPS',
 "Ставка возврата",
 "Родительское ключевое слово",
 'Последнее обновление',
 «Возможности поисковой выдачи»]  

Как вставить несколько строк

Выбрать несколько строк очень просто, это можно сделать так:

 
нед.insert_rows (строка, число = 1, значения = Нет, наследование = Ложь)
  

Давайте найдем последнюю строку для добавления строки, и мы можем вставить новую строку в позицию индекса 3.

  values ​​= wks.cols * ["Test"]
print (f "Последняя строка - {wks.rows}")
print (f "Это значения, которые будут добавлены в новую строку: n n {values}")  

  Последняя строка - 1001
Это значения, которые будут добавлены в новую строку:

 [«Тест», «Тест», «Тест», «Тест», «Тест», «Тест», «Тест», «Тест», «Тест», «Тест», «Тест», «Тест», « Тест »,« Тест »,« Тест »,« Тест »,« Тест »,« Тест »,« Тест »]  

  нед.insert_rows (3, values ​​= values)  

Профессиональный совет: когда вы вставляете новые строки, они должны быть ниже порядкового номера последней строки. Если вам нужно создать больше строк, я бы рекомендовал вместо этого использовать этот метод:

 
wks.add_rows (500)
  

Как удалить строки

Чтобы удалить строки, используйте следующий синтаксис:

 
wks.delete_rows (индекс, число = 1)

: param index: Индекс первой удаляемой строки
: param number: Количество удаляемых строк
  

  нед.delete_rows (5, number = 7)  

Форматирование таблиц Google в Python

Замороженные строки + столбцы

Вы можете легко установить количество замороженных строк + столбцов с помощью двух команд:

  wks.frozen_rows = 1
wks.frozen_cols = 2  

Как выделить ячейки жирным шрифтом

Выделим все ячейки в первой строке жирным шрифтом:

  из pygsheets.datarange import DataRange  

  model_cell = wks.cell ('A1')
model_cell.set_text_format ('жирный', True)
DataRange ('A1', 'K1', worksheet = wks) .apply_format (model_cell)  

Первое изображение ниже показывает ДО, а второе изображение показывает ПОСЛЕ после применения DataRange на основе ячейки модели!

До:

После:

Пакетная обработка вызовов API

Если вы собираетесь делать много запросов к API Google Таблиц, рекомендуется выполнять пакетные запросы API. Это снижает вероятность того, что ваши запросы API будут неудачными из-за ограничений скорости.Путь, которым pygsheets реализует пакетирование API, выглядит следующим образом:

 
wks.unlink ()
для i в диапазоне (10):
    wks.update_value ((1, i), i) # не будет вызывать api
wks.link () # выполнит все обновления
  

Как поделиться листом Google с адресом электронной почты в Python

Вы можете легко поделиться любой подключенной таблицей с:

 
.share (email_or_domain, role = 'reader', type = 'user', ** kwargs)
  

Дополнительно вы можете добавить сообщение электронной почты своему пользователю!

  лист.share ('[email protected] ', role =' commenter ',
             type = 'user', emailMessage = 'Вот таблица, о которой мы говорили!')  

Как экспортировать лист Google в A .CSV

Также можно легко экспортировать лист Google в файл .csv с :

 
wks.export (file_format = , filename = None, path = '')
  

Однако нам нужно включить Google Drive API , чтобы это работало, поэтому быстро перейдите в свой Google Cloud Project и активируйте этот API, чтобы заработала следующая команда:

  нед.export (filename = 'this_is_a_csv_file')  

Как преобразовать лист Google в JSON

Иногда при общении с другим разработчиком они могут захотеть получить ваши данные в формате JSON.

Вы можете легко превратить данные своих таблиц Google в JSON API и передать их непосредственно в другой REST API, соединив в цепочку эти две команды:

 
wks.get_as_df (). to_json ()
  

Это будет делать две вещи:

• Во-первых, мы получим весь рабочий лист в виде фрейма данных pandas.
• Во-вторых, мы преобразуем фрейм данных pandas в объект JSON.

  wks.get_as_df (). To_json ()  

Как использовать Google Python Native API для Google Sheets

Вышеупомянутые команды работают исключительно в Pygsheets, однако важно, чтобы вы научились подключаться к Google Native Python API для таблиц Google.

Как подключиться к API

  из сборки импорта googleapiclient.discovery

с open ('service_account.json ') в качестве источника:
    info = json.load (источник)

credentials = service_account.Credentials.from_service_account_info (info)  

Отправка первого запроса

В этом руководстве мы специально рассмотрим batchClear, batchGet, batchUpdate, поскольку эти три конечные точки невероятно полезны.

 
service = discovery.build ('листы', 'v4', учетные данные = учетные данные)

# Идентификатор обновляемой электронной таблицы.
spreadsheet_id = 'my-spreadsheet-id' # ЗАДАЧИ: обновить значение заполнителя.batch_clear_values_request_body = {
    # Очищаемые диапазоны в формате A1.
    'range': [], # TODO: обновить значение заполнителя.

    # TODO: добавить желаемые записи в тело запроса.
}

request = service. spreadsheets (). values ​​(). batchClear (spreadsheetId = spreadsheet_id, body = batch_clear_values_request_body)
ответ = request.execute ()

# TODO: Измените код ниже, чтобы обработать dict `response`:
печать (ответ)
  

Давайте разберемся с этим, шаг за шагом:

1. Вам нужно будет создать службу, которая аутентифицируется с помощью API собственных таблиц Google с помощью правильного объекта учетных данных.
2. Во-вторых, вам понадобится соответствующий идентификатор таблицы.
3. В-третьих, вам нужно создать объект запроса batchClear.
4. Наконец, мы присоединим объект службы к объекту запроса batchClear.

Очистка столбца / диапазона с помощью batchClear

  с open ('service_account.json') в качестве источника:
    info = json.load (источник)

учетные данные = service_account.Credentials.from_service_account_info (информация)
google_ghseets_api = build ('листов', 'v4', учетные данные = учетные данные, cache_discovery = False)

spreadsheet_id = '1OBR8HEE2rjaWqZPnb8mHnp3YpxxELcy5Zqve3gtX22Q'

batch_clear_values_request_body = {
    # Очищаемые диапазоны в формате A1.'range': ['A1: A1000'], # TODO: обновить значение заполнителя ..
}

request = google_ghseets_api.spreadsheets (). values ​​(). batchClear (spreadsheetId = spreadsheet_id,
                                                                body = batch_clear_values_request_body)
ответ = request.execute ()

print (ответ)  

  {'spreadsheetId': '1OBR8HEE2rjaWqZPnb8mHnp3YpxxELcy5Zqve3gtX22Q', 'clearedRanges': ['Sheet1! A1: A989']}  

Добавление данных в блоки данных Validation

с полями валидации batch относительно просто, приведенный ниже код добавит несколько полей проверки данных во второй столбец.

  запрос = {
      "Запросы": [
        {
          "setDataValidation": {
            "диапазон": {
              "sheetId": 0,
              "startRowIndex": 1,
              "startColumnIndex": 1,
               "endColumnIndex": 2
            },
            "rule": {
              "условие": {
                "тип": "ONE_OF_LIST",
          "значения": [
            {
              "userEnteredValue": "EUROPE_LR"
            },
            {
              "userEnteredValue": "EUROPE_HR"
            },
            {
              "userEnteredValue": "WORLD_HR"
            },
            {
              "userEnteredValue": "WORLD_LR"
            }
            ]
           }
          }
        }
      }
   ]
 }

request = google_ghseets_api.электронные таблицы (). batchUpdate (spreadsheetId = spreadsheet_id,
                                                                тело = запрос)
response = request.execute ()  

---

Как получить диапазон ячеек

  # Обозначение A1: D1 значений для извлечения.
range = ['A1: D1000'] # TODO: обновить значение заполнителя.
request = google_ghseets_api.spreadsheets (). values ​​(). batchGet (spreadsheetId = spreadsheet_id, range = range)
response = request.execute ()  

  spreadsheet_data = response ['valueRanges'] [0] ['values']  

  печать (spreadsheet_data [0: 3])
# [['', 'Страна', 'Сложность', 'Объем'], ['', 'gb', '42', '70000'], ['', 'EUROPE_LR', '67', '63000 ']]  

---

Надеюсь, это руководство предоставило вам исчерпывающий обзор того, как лучше всего использовать Google Таблицы с Python!
Для более продвинутых методов я бы рекомендовал просмотреть следующую документацию:

Копирование листов и источников данных между рабочими книгами

Отдельные листы, информационные панели и истории можно копировать и вставлять между рабочими книгами в Tableau Desktop (но не в веб-авторинге).Эта функция позволяет легко копировать анализ или переносить источник данных в другую книгу. Также можно импортировать всю книгу в текущую книгу.

Что копируется или сохраняется с выбранными листами

Когда вы копируете, сохраняете или экспортируете выбранные листы, источник или источники данных, которые используются на этом листе, также копируются. Сюда входят любые расчеты, параметры, наборы и т. Д.Также включены пользовательские формы и цвета. Если копируемый лист является сводной панелью или историей, все листы, которые используются на этой информационной панели, также копируются, независимо от того, скрыты они или нет.

Пользовательские цвета и формы будут доступны на скопированном или импортированном листе, но не будут добавлены в ваш репозиторий таблиц. Если вы хотите, чтобы они сохранялись для других книг, обратитесь к разделам Создание настраиваемых цветовых палитр и Использование настраиваемых форм.

Если вы пытаетесь скопировать форматирование между листами, см. Копирование и вставка форматирования листа.

Как Tableau обрабатывает повторяющиеся элементы

Когда вы вставляете или импортируете листы из другой книги, некоторые элементы могут уже существовать в целевой книге, или некоторые элементы могут иметь одно и то же имя в обоих местах. Если Tableau обнаруживает точный повторяющийся элемент на панели данных, например вычисление, он не вставляет и не импортирует этот элемент в целевую книгу. Однако, если элемент на панели «Данные» имеет то же имя, но определяется по-другому, Tableau импортирует и переименовывает его.

Tableau также вставляет или импортирует листы и источники данных с повторяющимися именами - независимо от того, идентично ли только имя или их имена и содержимое - и переименовывает более новую копию.

Копирование и вставка листов между книгами

Копирование и вставка листов - это быстрый способ объединить информацию из разных книг или создать новую книгу. Также полезно заменить источник данных (ссылка открывается в новом окне) для одного листа, а не для всех листов, использующих этот источник данных.Вы можете скопировать один или несколько листов из вида листов с вкладками, диафильмов или сортировщика листов. Используйте Shift + щелчок или Ctrl + щелчок, чтобы выбрать несколько листов.

Чтобы скопировать и вставить рабочий лист в режиме киноленты, выполните следующие действия:

1. Откройте книгу и нажмите кнопку «Диафильм» в строке состояния.

2. Выберите эскизы листов, которые хотите скопировать, затем щелкните правой кнопкой мыши (удерживая нажатой клавишу «Control» на Mac) и выберите «Копировать».

   Tableau копирует информацию в файл книги (.twb или .twbx).

3. Откройте целевую книгу или создайте новую книгу. Щелкните правой кнопкой мыши (на Mac, удерживая нажатой клавишу «Control») на вкладке любого листа и выберите «Вставить».

   Вставленные листы помещаются после существующих листов, информационных панелей и историй.

   Примечание. Параметр «Вставить» недоступен, если активный лист является журналом.
   

4. Сохраните изменения.

Экспорт и импорт листов между книгами

Если вы хотите извлечь подмножество информации из большей книги для поддержки в виде отдельного файла, вы можете экспортировать или сохранить выбранные листы в новую книгу. Затем вы можете импортировать эту книгу в существующую, чтобы включить ее листы и другие объекты в существующую книгу.

Примечание. Эти шаги описывают, как разделить вашу работу между рабочими книгами Tableau. Вы также можете экспортировать представления для использования за пределами Tableau. Для получения информации см. Экспорт представлений с рабочего стола Tableau в другое приложение.

1. Откройте книгу, содержащую листы, которые нужно экспортировать в новый файл.

2. Используя рабочий лист с вкладками, вид диафильма или вид сортировщика листов, щелкните правой кнопкой мыши (удерживая клавишу Control на Mac) вкладку листа или вид эскизов, а затем выберите «Экспорт», чтобы экспортировать отдельный лист.Используйте Shift + щелчок или Ctrl + щелчок, чтобы выбрать несколько листов.

3. В диалоговом окне «Сохранить как» укажите формат файла, который вы хотите сохранить (.twb или .twbx), выберите место для нового файла книги, дайте ему имя и нажмите «Сохранить».

Импортировать всю книгу Tableau

После сохранения или экспорта выбранных листов в новую книгу (.twb), вы можете импортировать информацию в другую книгу.

1. При открытой существующей книге выберите «Файл»> «Импортировать книгу».

2. Выберите книгу, содержащую листы, сохраненные из другой книги, и нажмите «Открыть».

На следующем изображении показан результат импорта книги, которая содержит лист с тем же именем, что и лист в существующей книге.Tableau добавляет число после имени импортированного листа.

Colab и Google Sheets - удивительно мощное сочетание для науки о данных (часть 1) | Майкл Харрис ⭕️ | Аналитика Vidhya

Данные стали важным ресурсом для предприятий, помогающим улучшить маржу, качество обслуживания клиентов и внутренние процессы. Тем не менее, многие компании отстают в создании культуры, основанной на данных. Для многих компаний, которые я видел, вся их библиотека данных размещена в электронных таблицах Excel, или, что чаще всего сегодня, Google Sheets .

Компаниям с обширными ресурсами и экспертами по данным легко настроить необходимые конвейеры и базы данных, чтобы лучше обрабатывать данные и создавать огромные хранилища информации, но для небольших компаний ежедневное обновление нескольких электронных таблиц - это все, что они могут. Затем, когда небольшая компания будет готова серьезно относиться к данным и нанять кого-то для управления и работы с ними - например, аналитика данных, бизнес-аналитика, инженера данных, ученого-специалиста или кого угодно, кого они хотят назвать ролью в своем сообщении о вакансии в LinkedIn - этот человек добирается туда, и ему поручено работать с годами (в основном неполными) данными, наспех напечатанными в электронных таблицах.

К сожалению, дело не только в том, что компания хранит данные только в электронных таблицах, команда руководителей привыкла просматривать и переваривать идеи в этой форме и говорит, что сейчас они хотят хранить их именно так. Некоторым людям было бы хорошо работать только с электронными таблицами и составлять некачественные круговые диаграммы и иметь дело с ограничениями манипуляций с электронными таблицами, но это неэффективно, медленно и легко ошибиться. К счастью, есть мощный способ модернизировать эти громоздкие таблицы с помощью Google Colab .

То, что Google сделал для размещения таких приложений, как Word, Excel и PowerPoint, называемых Google Docs, Google Sheets и Google Slides, соответственно, теперь Google сделал для Jupyter Notebooks. Благодаря команде Google вы можете открыть браузер и получить полнофункциональную записную книжку Python с возможностью pip install для библиотек, которые еще не встроены, что редко, поскольку Colab поставляется практически со всеми основная библиотека Python, включая некоторые из наиболее широко используемых библиотек для машинного обучения.Хотя Colab не предоставляет все, что делает Jupyter (например, ядра R или Scala), он предлагает бесплатно возможности графических процессоров Google Cloud Compute и TPU. Нет бесплатного кредита на 300 долларов, нет 0,30 доллара за час использования, просто бесплатно. Это полезно, когда я хочу запускать записные книжки для машинного обучения (я действительно смог пройти большую часть курса Deep Learning Fast.ai в Colab).

Итак, очевидно, что вы видите, что ноутбуки Colab мощные, простые и бесплатные, но я здесь не для того, чтобы быть продавцом Google, я здесь, чтобы показать вам, как Colab может облегчить вашу жизнь, когда вам нужно работать с Google. Таблицы для анализа данных.Очевидно, что Google великолепен и сделал сотрудничество между двумя своими технологиями, Google Colab и Google Sheets, простым и безболезненным - потому что как еще они могут заставить вас использовать его так много, что вы заплатите за дополнительное пространство на Google Диске? - так что любой, кому поручено проанализировать эти Google Таблицы, может приступить к работе с менее чем 20 строками кода.

Прежде чем мы начнем с кодирования, нам нужны некоторые данные. Для этого первого урока я взял набор данных из Kaggle о листингах Airbnb в Нью-Йорке на 2019 год.Вы можете скачать данные здесь . Когда вы загружаете данные, они будут в формате .csv. Чтобы импортировать .csv в файл Google Sheets, вы можете выполнить следующие шаги:

1. Перетащите файл .csv, который вы загрузили, на свой Google Диск

2. Щелкните правой кнопкой мыши файл и наведите курсор на Открыть с помощью

3. Нажмите Google Таблицы

4. Откроется файл .csv в Google Таблицах. Теперь на вашем диске будет файл Google Таблиц с тем же именем, что и.csv file

Это все, что вам нужно сделать, чтобы подготовить электронную таблицу. Отсюда мы можем просто использовать Python и Google Colab для анализа данных, хранящихся в этой электронной таблице.

Если вам не хочется получать данные из Kaggle самостоятельно, вы можете просто использовать тот же Google Sheet, что и я здесь .

ПРИМЕЧАНИЕ. перед тем, как перейти к следующим шагам, вам необходимо загрузить файл Google Colab (расширение .ipynb, такое же, как у Jupyter Notebooks) на свой Google Диск.Я знаю, что это кажется глупым, но у вас нет возможности открыть новую записную книжку Colab, пока на вашем Диске уже не будет записной книжки Colab (да, это уловка-22). Полезно загрузить вводную записную книжку по работе с внешними данными, которую вы можете найти здесь . Открыв записную книжку, вы можете нажать Файл> Сохранить копию на Диске . Это сохранит копию записной книжки на вашем Диске, а также создаст папку Colab Notebook. Если вы видите эту папку, значит, все готово.

Чтобы создать новую записную книжку Colab, перейдите на свой Google Диск и выполните следующие действия:

1. Нажмите New

2. Наведите указатель мыши на Еще

3. Нажмите Google Colaboratory

Это откроется пустая записная книжка Colab, которая должна выглядеть, как на изображении ниже:

Теперь, когда у нас есть записная книжка Google Colab Python, пора написать код:

1. Скопируйте это в первую ячейку кода в записной книжке

 из Google.colab import authauth.authenticate_user () import gspreadfrom oauth3client.client import GoogleCredentialsgc = gspread.authorize (GoogleCredentials.get_application_default ()) 

Запустите ячейку (либо нажав кнопку воспроизведения, либо нажав Shift + Enter на клавиатуре). После запуска ячейки вам будет предложено что-то похожее на то, что показано на изображении ниже:

Перейдите по ссылке, скопируйте код, вставьте его в поле и затем нажмите Введите на клавиатуре.Это аутентифицирует вас и позволит вам взаимодействовать с Google Таблицами и другими приложениями Google в вашем блокноте.

2. Теперь мы продолжим и импортируем две библиотеки, которые должны быть вам знакомы: Matplotlib (мощная библиотека Python для визуализации данных) и Pandas (библиотека Python номер один для обработки и анализа данных. ):

 import pandas as pdimport matplotlib.pyplot as plt 

Когда мы настраивали среду ноутбука в разделе выше, мы импортировали библиотеку с именем gspread и создали объект с именем gc , который использовал библиотеку gspread и учетные данные для аутентификации.Вам не нужно слишком беспокоиться о том, что происходит за кулисами, когда мы создаем этот объект, но этот объект с именем gc будет тем, что мы будем использовать для получения таблицы Google, которую мы создали из данных Kaggle. Сделать это просто, и мы можем получить данные и поместить их в Pandas DataFrame с помощью следующих четырех шагов:

1. Объект gc имеет функцию, которую мы можем использовать, которая называется open_by_url () . Как следует из названия функции, мы можем просто открыть электронную таблицу (или рабочую книгу) Google Sheets, указав только URL-адрес, как показано ниже:

 wb = gc.open_by_url ('https://docs.google.com/spreadsheets/d/1YTD0pxdGTGAzM8IiWDfLL4AZPjrFRN-vpGUiLQWOtoI/edit#gid=1512387781') 

Во фрагменте кода я создал другой объект wbbook 501, быть фактическим файлом Google Sheet, который мы создали ранее.

2. Если вы когда-либо работали с электронными таблицами, вы должны знать, что каждая книга содержит вкладки. Эти вкладки представляют собой различные электронные таблицы, содержащиеся в книге. При работе с небольшими компаниями для них очень часто все организовано с помощью нескольких вкладок, таких как «Контактная информация клиента» на одной вкладке и «Прогноз выручки на 2018 финансовый год» в другой.К счастью, созданный выше объект книги, wb , позволяет нам указать, какой лист мы хотим, с помощью функции worksheet () . Это просто позволяет вам указать нужный лист, просто вызвав имя листа (убедитесь, что в имени совпадают заглавные буквы и другое форматирование). Конечно, для нашего файла Google Таблиц, который мы создали, как и для большинства файлов электронных таблиц, есть только одна вкладка. В тех случаях, когда вам не нужно указывать конкретную вкладку, вы можете просто позвонить по номеру wb.sheet1 , но в этом руководстве мы будем действовать так, как будто у нас есть несколько вкладок, и нам нужно указать только одну, в данном случае с именем «AB_NYC_2019»:

 sheet = wb.worksheet ('AB_NYC_2019') 

3. Теперь что у нас указана вкладка, пора получить данные. Для этого мы просто вызовем функцию get_all_values ​​() из объекта листа, который мы создали выше:

 data = sheet.get_all_values ​​() 

4. Если вы вызовете этот объект data , который мы создали выше, просто введя его в отдельную ячейку и запустив, вы увидите, что данные, которые мы получаем, находятся в формате списка (на самом деле матрица), и на них сложно смотреть.К счастью, мы можем сделать это намного более удобным для человека, поместив его в Pandas DataFrame со следующими строками:

 df = pd.DataFrame (data) df.columns = df.iloc [0] df = df.iloc [1: ] 

Первая строка выше помещает данные в DataFrame Pandas, а следующие две строки представляют собой всего лишь некоторую простую очистку, которая использует первую строку в качестве имен столбцов для DataFrame.

1. Теперь, если вы просто вызовете функцию head () из DataFrame (здесь показаны только первые 5 строк), вы увидите, что мы создали:

 df.head () 

Выше, в основном, все, что вам нужно сделать, чтобы получить данные из Google Sheets в записную книжку Python с помощью Colab, но есть 2 проблемы, с которыми я часто сталкиваюсь при выполнении такого рода работы: раздутый и все еще немного беспорядочный, так что мы уберем это и сделаем его лучше

2. Вторая проблема - самая большая. Если вы действительно вызовете одну из ячеек (запустив что-то вроде df.iloc [0] [6] ), вы увидите нечто странное: каждая из ячеек имеет строковый формат, даже числовые.Вы можете проверить это, запустив любую произвольную ячейку, которую хотите, используя функцию iloc (представьте ее как df.iloc [row] [column] и поместите ее в стандартную функцию type () , например:

 type (df.iloc [0] [6]) 

Значение, которое вы получите для любой ячейки, - «str». Это серьезный недостаток в текущей библиотеке gspread , который, я надеюсь, будет исправлен, но нам придется пока сделать это вручную

К счастью, столкнувшись с этими двумя проблемами, мы можем решить их одновременно, что означает, что работы не так уж и много.Чтобы решить обе эти проблемы, я обычно исправляю проблему с типом, когда настраиваю новую схему таблицы, вызывая функцию astype () , которую вы увидите ниже. Эта функция просто преобразует тип значения ячейки в любое значение, которое вы решите указать. Вы увидите это в действии немного позже, но проблема, с которой я столкнулся с этим методом при работе с этими данными, заключается в том, что вы пытаетесь преобразовать значения в столбце в другой тип, например целое число или число с плавающей запятой, это не так. знать, как изменить значения пустых ячеек (фактически равных пустой кавычке «» ) в числовых столбцах на нули.Чтобы обойти это, я просто создал новый столбец, который заполнил пустые ячейки нулями с помощью лямбда-функции, которую вы также увидите ниже. Если вы не понимаете, что я делаю с лямбда-выражением ниже, определенно поищите больше примеров лямбда-выражений, потому что они могут быть очень полезными для всех, кто хочет изучить Python.

Ниже я исправляю проблемы с исходным DataFrame:

1. Прежде чем писать какой-либо код, давайте посмотрим, какие данные нам нужны, а какие нет, чтобы упростить DataFrame.В этом руководстве я решил оставить следующие столбцы: District_group , District , latitude , longitude , room_type , price , minimum_nights , number_of_reviews и reviews_per_month . Это полностью зависит от вас, в зависимости от того, на какие вопросы вы хотите ответить.
2. Перед настройкой новой схемы таблицы нам нужно решить проблему, которую мы видим в столбце обзоров за месяц с пустыми ячейками.Если бы мы просто вызывали функцию astype () для столбца, мы получили бы ошибку. Чтобы исправить это, мы можем создать новый столбец, который принимает все те же значения, что и исходный столбец, но заполняет их нулями. Мы сделаем это несколько «питоническим» однострочным способом с лямбда:

 df ['reviews_per_month_new'] = df ['reviews_per_month']. Apply (lambda x: '0' if x == '' else x) 

3. Теперь, когда проблема с пустой ячейкой решена, мы можем создать новую схему. Для этого я обычно предпочитаю создавать словари с ключевыми значениями, потому что Pandas автоматически знает, как называть столбцы ключ-значение, что означает, что вы можете создать новый DataFrame всего в одной строке, и он будет выглядеть намного лучше, чем первый, который мы создали.Для значений столбца мы можем просто вызвать исходный столбец и просто добавить в конец функцию astype () , которая позаботится о проблеме типа.

 new_df_schema = {'Neighborhood Group': df ['neighbourhood_group']. Astype (str), 'Neighborhood': df ['neighbourhood']. Astype (str), 'Latitude': df ['latitude']. Astype (float), 'Долгота': df ['долгота']. astype (float), 'Тип комнаты': df ['room_type']. astype (str), 'Цена': df ['price']. astype ( float), 'Минимум ночей': df ['minimum_nights']. astype (int), 'Количество отзывов': df ['number_of_reviews'].astype (int), 'Отзывов в месяц': df ['reviews_per_month_new']. astype (float)} 

Я предпочитаю делать это таким образом, поэтому у меня есть полный контроль над типами столбцов. Например, если есть столбец со значениями в долларах, но ни одно из значений не содержит центов, я мог бы просто упростить и определить тип как целое число вместо числа с плавающей запятой, чтобы избавиться от ненужных нулей.

4. Наконец, теперь, когда у нас есть новая схема, все, что нам нужно сделать, это поместить созданный выше словарь в новый DataFrame, и все:

 airbnb_ny_df = pd.DataFrame (new_df_schema) 

Теперь просто вызовите функцию head () еще раз, и вы увидите, что новый DataFrame более удобочитаемый и менее раздутый. Более того, все значения являются правильными типами, которые позволят вам анализировать данные.

Если вы хотите продолжить и увидеть базовый анализ с использованием этого нового DataFrame, чтобы получить такую ​​информацию, как распределение цен на ночные листы и карты визуальной плотности, вы можете взглянуть на записную книжку Colab, которую я создал для этого учебника здесь .

Посмотреть записную книжку можно здесь

Спасибо, что прочитали этот пост.