LuckyTemplates 데이터 보고서의 Python 스크립팅

이 자습서에서는 LuckyTemplates 보고서의 Python 스크립팅에 대해 설명합니다. Python을 사용하여 LuckyTemplates 내에서 다양한 출력을 수행하는 방법을 배웁니다. 또한 LuckyTemplates 데스크톱 내에서 이를 사용하는 동안 오류를 방지할 수 있도록 Python의 몇 가지 기술적 제한 사항을 이해하게 됩니다 .

목차

• LuckyTemplates의 스크립팅을 위한 Python 패키지 이해
• Python 스크립팅으로 환경 만들기
• Python을 사용하여 데이터 가져오기
• LuckyTemplates에서 Python 스크립팅 시각화 활성화
  • Python 시각화 사용자 지정
• Python 스크립팅을 사용하여 파워 쿼리에서 데이터 변환
• 결론

LuckyTemplates의 스크립팅을 위한 Python 패키지 이해

서로 다른 속도로 업데이트되기 때문에 Python과 LuckyTemplates 간에 오류가 발생합니다. 때때로 이 두 소프트웨어의 패키지에 대한 충돌이 있습니다. 올바른 환경을 설정하여 오류를 방지할 수 있습니다.

Python Anaconda 설치의 모든 패키지가 LuckyTemplates에서 지원되는 것은 아닙니다. 아래 이미지에서 현재 지원되는 다양한 패키지를 모두 볼 수 있습니다.

이 다음 이미지는 Python 패키지 의 요구 사항과 제한 사항을 보여줍니다 .

Pandas 는 데이터 조작 라이브러리이고 Numpy 는 선형 대수학입니다. Scikit-Learn 및 Xgboost 는 기계 학습 및 사전 처리를 수행할 수 있는 라이브러리입니다. Scipy 및 Statsmodels는 통계를 처리합니다. Seaborn은 시각화에 사용되는 반면 Matplotliob은 시각적 라이브러리입니다.

Python 스크립팅으로 환경 만들기

충돌을 피하는 데 필요한 패키지가 포함된 환경을 만들어야 합니다. Anaconda 설치 중에 설치된 Anaconda Prompt를 사용하여 환경을 만들 수 있습니다 . 프롬프트를 열려면 Windows 검색 표시줄에 Anaconda를 입력 하고 앱을 클릭합니다.

Google에서 "create environment in anaconda"를 검색하면 이 페이지로 리디렉션됩니다. 같은 페이지에서 특정 환경을 만드는 다양한 방법을 볼 수 있습니다.

Anaconda Prompt 명령 창에서 기본 환경과 작업 디렉터리를 볼 수 있습니다.

새 환경을 만들려면 conda create 를 입력합니다 . 그런 다음 –n 다음에 환경 이름을 입력합니다. 마지막으로 원하는 Python 버전을 입력합니다. 이 예에서 환경 이름은 new_env_pbi 이고 Python 버전 은 3.7입니다.

완료되면 Enter 키를 누릅니다. 그러면 새 환경이 만들어지는 것을 볼 수 있습니다.

프로세스를 진행하려면 Y를 누르십시오.

다음으로 환경을 활성화해야 합니다. 입력 conda activate new_env_pbi .

완료되면 새 환경이 활성화된 것을 볼 수 있습니다. 여기에서 필요한 패키지 설치를 시작할 수 있습니다. 먼저 Pandas를 설치하여 데이터를 가져옵니다. pip install pandas를 입력 하고 엔터를 누릅니다.

다음으로 pip install seaborn을 입력하여 Seaborn을 설치합니다. 또한 Seaborn이 Matplotlib도 로드하는 것을 볼 수 있습니다. 설치 후 이제 LuckyTemplates 데스크탑을 열 수 있습니다 .

Python을 사용하여 데이터 가져오기

Python을 사용하여 LuckyTemplates 내에서 데이터를 가져오는 세 가지 방법이 있습니다. 첫 번째 방법은 파일 도구 모음으로 이동하여 데이터 가져오기를 클릭한 다음 시작하려면 데이터 가져오기를 선택하는 것입니다 .

파일 도구 모음을 다시 클릭하고 기타를 선택한 다음 Python 스크립트를 선택합니다 .

거기에서 데이터를 가져올 스크립트를 입력하고 확인을 누릅니다. 이 예에서는 이 스크립트가 사용됩니다.

네비게이터 분할창에서 Python 폴더 아래의 변수를 클릭하고 로드를 클릭하십시오 .

그러면 필드 창에서 해당 데이터를 볼 수 있습니다.

그런 다음 올바른 환경을 사용하고 있는지 확인해야 합니다. 파일 도구 모음으로 이동하여 옵션 및 설정을 클릭한 다음 옵션 을 선택합니다 .

글로벌에서 Python 스크립팅을 클릭하고 Python 홈 디렉토리를 설정하십시오. 찾아보기를 클릭하고 new_env_pbi 를 엽니다 .

LuckyTemplates에서 Python 스크립팅 시각화 활성화

Python 통합에 액세스하려면 시각화에서 Python Visual을 클릭합니다 .

그런 다음 스크립트 시각적 개체를 활성화합니다 .

완료되면 텍스트 기반 Python 스크립트 편집기가 캔버스에 나타납니다.

스크립팅을 시작하려면 시각화의 값 영역에서 필드를 드래그합니다. 이 예에서 부서는 값 영역 안에 배치됩니다.

이제 시각화가 다음과 같이 표시됩니다.

데이터 프레임은 pandas.DataFrame 함수를 사용하여 생성됩니다 . 스크립트는 이를 변수로 저장하고 이름을 dataset 로 지정했습니다 . 6행 아래에서 스크립트 코드를 붙여넣거나 입력하여 시각적 개체를 만들 수 있습니다. 이 예제에서는 다음 코드가 사용되었습니다.

현재 데이터 프레임은 부서만 있기 때문에 불완전합니다. 따라서 필드 창의 모든 열을 값 영역으로 끌어 전체 데이터 프레임을 만듭니다.

그런 다음 Jupyter Notebook에서 시각적 개체를 선택할 수 있습니다. 그런 다음 해당 시각적 개체의 코드를 복사하여 편집기에 붙여넣습니다.

비주얼 코드에 사용된 변수를 df 에서 데이터셋 으로 변경 하고 다음 줄에 plt.show()를 입력하여 Matplotlib를 사용합니다.

완료되면 편집기에서 실행 아이콘을 클릭하여 스크립트를 실행하십시오.

그러면 캔버스에서 시각화가 구체화되는 것을 볼 수 있습니다. 시각적 개체는 대화형이 아니지만 사용자 지정하여 동적으로 만들 수 있습니다.

Python 시각화 사용자 지정

화살촉을 클릭하여 Python 스크립트 편집기를 엽니다. 다음으로 plt.style.use() 를 입력합니다 .

Google을 열고 matplotlib 스타일을 검색합니다. 스타일 시트 참조를 클릭하면 해당 페이지로 리디렉션됩니다.

페이지 내에서 사용할 수 있는 다양한 스타일을 볼 수 있습니다.

스타일을 선택하고 해당 스타일의 코드를 스크립트 코드에 입력합니다.

이 예에서 사용된 스타일의 코드는 bmh 입니다 . 완료되면 실행 아이콘을 누릅니다.

그러면 시각적 개체 내부의 색상이 변경된 것을 볼 수 있습니다.

원하는 경우 시각적 개체의 모양을 변경할 수도 있습니다. 이렇게 하려면 스크립트 편집기를 열고 boxplot을 violinplot 으로 변경 하고 스크립트 코드를 실행합니다.

비주얼의 모양이 변경된 것을 볼 수 있습니다.

Python 스크립팅을 사용하여 파워 쿼리에서 데이터 변환

LuckyTemplates에서 Python 스크립팅에 액세스하는 마지막 방법은 파워 쿼리 편집기에서 데이터를 변환하는 것입니다. 모범 사례 중 하나는 기본 데이터를 사용하는 대신 데이터를 복제하고 복제본에서 스크립팅을 수행하는 것입니다. 이 예에서 기본 데이터는 df 이고 복제 데이터는 df2 입니다 .

변환 도구 모음으로 이동하여 Python 스크립트 실행을 선택합니다 .

그러면 스크립트 메시지와 함께 Python 스크립트 실행 대화 상자가 표시됩니다.

Jupyter 노트북에서 테이블에 대한 코드를 입력합니다. 이 예에서 dataset.corr()은 스크립트에서 사용됩니다. 그러나 먼저 dataset =를 다시 입력하여 변수를 다시 저장해야 합니다 .

확인을 누르면 캔버스에 데이터가 표시됩니다.

값 열에서 테이블을 클릭하여 테이블을 확장합니다. 상관 관계 테이블도 표시됩니다.

그러나 Python Script의 인덱스 열은 상관 테이블에 표시되지 않습니다. 이 문제를 해결하려면 적용된 단계 창으로 이동하고 Python 스크립트 실행 단계의 기어 아이콘을 클릭하여 스크립트 코드를 엽니다.

이제 .reset_index() 를 입력하여 다른 함수를 입력합니다 . 그런 다음 상관 테이블 기능과 함께 작동하는 문자열입니다.

완료되면 이제 상관 테이블에서 인덱스 열을 볼 수 있습니다.

매력적인 LuckyTemplates 시각화 생성의 중요성
보고서 및 시각화에 대한 LuckyTemplates 모범 사례
LuckyTemplates 사용자를 위한 Python I – LuckyTemplates 교육 플랫폼의 새로운 과정

결론

Python이 LuckyTemplates와 통합되면 Python으로 많은 작업을 수행할 수 있습니다. 이 자습서에서 Python 스크립트는 데이터 세트를 가져오고, 시각적 개체를 만들고, 파워 쿼리 편집기 에서 기존 데이터를 조작하는 세 가지 방법으로 사용되었습니다 .

개림