亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

詳解10個可以快速用Python進行數據分析的小技巧

系統 1681 0

一些小提示和小技巧可能是非常有用的,特別是在編程領域。有時候使用一點點黑客技術,既可以節省時間,還可能挽救“生命”。

一個小小的快捷方式或附加組件有時真是天賜之物,并且可以成為真正的生產力助推器。所以,這里有一些小提示和小技巧,有些可能是新的,但我相信在下一個數據分析項目中會讓你非常方便。

Pandas中數據框數據的Profiling過程

Profiling(分析器)是一個幫助我們理解數據的過程,而Pandas Profiling是一個Python包,它可以簡單快速地對Pandas 的數據框數據進行探索性數據分析。

Pandas中df.describe()和df.info()函數可以實現EDA過程第一步。但是,它們只提供了對數據非常基本的概述,對于大型數據集沒有太大幫助。 而Pandas中的Profiling功能簡單通過一行代碼就能顯示大量信息,且在交互式HTML報告中也是如此。

對于給定的數據集,Pandas中的profiling包計算了以下統計信息:

詳解10個可以快速用Python進行數據分析的小技巧_第1張圖片

由Pandas Profiling包計算出的統計信息包括直方圖、眾數、相關系數、分位數、描述統計量、其他信息――類型、單一變量值、缺失值等。

1. 安裝

用pip安裝或者用conda安裝

            
pip install pandas-profiling 
 conda install -c anaconda pandas-profiling 
          

2. 用法

下面代碼是用很久以前的泰坦尼克數據集來演示多功能Python分析器的結果。

            
#importing the necessary packages 
 import pandas as pd 
 import pandas_profiling 
df = pd.read_csv('titanic/train.csv') 
 pandas_profiling.ProfileReport(df) 
          

一行代碼就能實現在Jupyter Notebook中顯示完整的數據分析報告,該報告非常詳細,且包含了必要的圖表信息。

詳解10個可以快速用Python進行數據分析的小技巧_第2張圖片

還可以使用以下代碼將報告導出到交互式HTML文件中。

            
profile = pandas_profiling.ProfileReport(df) 
profile.to_file(outputfile="Titanic data profiling.html") 
          

詳解10個可以快速用Python進行數據分析的小技巧_第3張圖片

Pandas實現交互式作圖

Pandas有一個內置的.plot()函數作為DataFrame類的一部分。但是,使用此功能呈現的可視化不是交互式的,這使得它沒那么吸引人。同樣,使用pandas.DataFrame.plot()函數繪制圖表也不能實現交互。 如果我們需要在不對代碼進行重大修改的情況下用Pandas繪制交互式圖表怎么辦呢?這個時候就可以用Cufflinks庫來實現。

Cufflinks庫可以將有強大功能的plotly和擁有靈活性的pandas結合在一起,非常便于繪圖。下面就來看在pandas中如何安裝和使用Cufflinks庫。

1. 安裝

            
pip install plotly 
# Plotly is a pre-requisite before installing cufflinks 
pip install cufflinks 
          

2. 用法

            
#importing Pandas 
 import pandas as pd 
 #importing plotly and cufflinks in offline mode 
 import cufflinks as cf 
import plotly.offline 
 cf.go_offline() 
 cf.set_config_file(offline=False, world_readable=True) 
          

是時候展示泰坦尼克號數據集的魔力了。

            
df.iplot() 
          

詳解10個可以快速用Python進行數據分析的小技巧_第4張圖片

詳解10個可以快速用Python進行數據分析的小技巧_第5張圖片

            
df.iplot() vs df.plot() 
          

右側的可視化顯示了靜態圖表,而左側圖表是交互式的,更詳細,并且所有這些在語法上都沒有任何重大更改。

Magic命令

Magic命令是Jupyter notebook中的一組便捷功能,旨在解決標準數據分析中的一些常見問題。使用命令%lsmagic可以看到所有的可用命令。

詳解10個可以快速用Python進行數據分析的小技巧_第6張圖片

所有可用的Magic命令列表

Magic命令有兩種:行magic命令(line magics),以單個%字符為前綴,在單行輸入操作;單元magic命令(cell magics),以雙%%字符為前綴,可以在多行輸入操作。如果設置為1,則不用鍵入%即可調用Magic函數。

接下來看一些在常見數據分析任務中可能用到的命令:

1. % pastebin

%pastebin將代碼上傳到Pastebin并返回url。Pastebin是一個在線內容托管服務,可以存儲純文本,如源代碼片段,然后通過url可以與其他人共享。事實上,Github gist也類似于pastebin,只是有版本控制。

在file.py文件中寫一個包含以下內容的python腳本,并試著運行看看結果。

            
#file.py 
 def foo(x): 
   return x 
          

在Jupyter Notebook中使用%pastebin生成一個pastebin url。

詳解10個可以快速用Python進行數據分析的小技巧_第7張圖片

2. %matplotlib notebook

函數用于在Jupyter notebook中呈現靜態matplotlib圖。用notebook替換inline,可以輕松獲得可縮放和可調整大小的繪圖。但記得這個函數要在導入matplotlib庫之前調用。

詳解10個可以快速用Python進行數據分析的小技巧_第8張圖片

3. %run

用%run函數在notebook中運行一個python腳本試試。

            
%run file.py 
%%writefile 
          

%% writefile是將單元格內容寫入文件中。以下代碼將腳本寫入名為foo.py的文件并保存在當前目錄中。

詳解10個可以快速用Python進行數據分析的小技巧_第9張圖片

4. %%latex

%%latex函數將單元格內容以LaTeX形式呈現。此函數對于在單元格中編寫數學公式和方程很有用。

詳解10個可以快速用Python進行數據分析的小技巧_第10張圖片

查找并解決錯誤

交互式調試器也是一個神奇的功能,我把它單獨定義了一類。如果在運行代碼單元時出現異常,請在新行中鍵入%debug并運行它。 這將打開一個交互式調試環境,它能直接定位到發生異常的位置。還可以檢查程序中分配的變量值,并在此處執行操作。退出調試器單擊q即可。

詳解10個可以快速用Python進行數據分析的小技巧_第11張圖片

Printing也有小技巧

如果您想生成美觀的數據結構,pprint是首選。它在打印字典數據或JSON數據時特別有用。接下來看一個使用print和pprint來顯示輸出的示例。

詳解10個可以快速用Python進行數據分析的小技巧_第12張圖片

詳解10個可以快速用Python進行數據分析的小技巧_第13張圖片

讓你的筆記脫穎而出

我們可以在您的Jupyter notebook中使用警示框/注釋框來突出顯示重要內容或其他需要突出的內容。注釋的顏色取決于指定的警報類型。只需在需要突出顯示的單元格中添加以下任一代碼或所有代碼即可。

1. 藍色警示框:信息提示

            
Tip: Use blue boxes (alert-info) for tips and notes. If it's a note, you don't have to include the word “Note”.

2. 黃色警示框:警告

            
Example: Yellow Boxes are generally used to include additional examples or mathematical formulas.

3. 綠色警示框:成功

            
Use green box only when necessary like to display links to related content.

4. 紅色警示框:高危

            
It is good to avoid red boxes but can be used to alert users to not delete some important part of code etc.

打印單元格所有代碼的輸出結果

假如有一個Jupyter Notebook的單元格,其中包含以下代碼行:

            
In [1]: 10+5      
     11+6 
Out [1]: 17 
          

單元格的正常屬性是只打印最后一個輸出,而對于其他輸出,我們需要添加print()函數。然而通過在notebook頂部添加以下代碼段可以一次打印所有輸出。

添加代碼后所有的輸出結果就會一個接一個地打印出來。

            
In [1]: 10+5      
     11+6 
     12+7 
Out [1]: 15 
 Out [1]: 17 
 Out [1]: 19 
          

恢復原始設置:

            
InteractiveShell.ast_node_interactivity = "last_expr" 
          

使用'i'選項運行python腳本

從命令行運行python腳本的典型方法是:python hello.py。但是,如果在運行相同的腳本時添加-i,例如python -i hello.py,就能提供更多優勢。接下來看看結果如何。

首先,即使程序結束,python也不會退出解釋器。因此,我們可以檢查變量的值和程序中定義的函數的正確性。

詳解10個可以快速用Python進行數據分析的小技巧_第14張圖片

其次,我們可以輕松地調用python調試器,因為我們仍然在解釋器中:

            
import pdb 
pdb.pm() 
          

這能定位異常發生的位置,然后我們可以處理異常代碼。

自動評論代碼

Ctrl / Cmd + /自動注釋單元格中的選定行,再次命中組合將取消注釋相同的代碼行。

詳解10個可以快速用Python進行數據分析的小技巧_第15張圖片

刪除容易恢復難

你有沒有意外刪除過Jupyter notebook中的單元格?如果答案是肯定的,那么可以掌握這個撤消刪除操作的快捷方式。

如果您刪除了單元格的內容,可以通過按CTRL / CMD + Z輕松恢復它。

如果需要恢復整個已刪除的單元格,請按ESC + Z或EDIT>撤消刪除單元格。

詳解10個可以快速用Python進行數據分析的小技巧_第16張圖片

結論

在本文中,我列出了使用Python和Jupyter notebook時收集的一些小提示。我相信它們會對你有用,能讓你有所收獲,從而實現輕松編碼!

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 91在线网址| 日日日操 | 在线视频不卡国产在线视频不卡 | 精品精品国产理论在线观看 | 亚洲爽爽| 国产午夜视频在线观看第四页 | 亚洲人jizz | 久色视频在线 | 国产一区二区影院 | 99精品网站 | 亚洲成综合| 国产精品高清在线观看93 | 日韩中文字幕在线视频 | 久久国产精品久久久久久小说 | 久久久久久久久免费视频 | 国产日韩欧美综合一区 | 午夜香蕉成视频人网站高清版 | 在线观看国产91 | 午夜视频在线网站 | 草久在线| 久热精品视频 | 深夜在线免费观看 | 一区二区三区在线观看视频 | 亚洲日韩aⅴ在线视频 | 精品一区二区三区在线视频观看 | 日本级毛片免费观看 | 久久一本精品久久精品66 | 看全色黄大色黄大片 视 | 精品在线观看一区 | 国产精品中文字幕在线 | 久久免费精品一区二区 | 99爱视频99爱在线观看免费 | 丁香婷婷六月 | 涩涩视频观看 | 中文字幕视频免费在线观看 | 成人性视频网站 | 亚洲综合五月天婷 | 97在线免费看视频 | 美女操穴| 亚洲国产成a人v在线 | 国产亚洲精品久久久久久午夜 |