[[268704]]

大數(shù)據(jù)文摘出品

來(lái)源：towardsdatascience

編譯：小七、蔣寶尚

一些小提示和小技巧可能是非常有用的，特別是在編程領(lǐng)域。有時(shí)候使用一點(diǎn)點(diǎn)黑客技術(shù)，既可以節(jié)省時(shí)間，還可能挽救“生命”。

一個(gè)小小的快捷方式或附加組件有時(shí)真是天賜之物，并且可以成為真正的生產(chǎn)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(gè)數(shù)據(jù)分析項(xiàng)目中會(huì)讓你非常方便。

Pandas中數(shù)據(jù)框數(shù)據(jù)的Profiling過(guò)程

Profiling(分析器)是一個(gè)幫助我們理解數(shù)據(jù)的過(guò)程，而Pandas Profiling是一個(gè)Python包，它可以簡(jiǎn)單快速地對(duì)Pandas 的數(shù)據(jù)框數(shù)據(jù)進(jìn)行探索性數(shù)據(jù)分析。

Pandas中df.describe()和df.info()函數(shù)可以實(shí)現(xiàn)EDA過(guò)程第一步。但是，它們只提供了對(duì)數(shù)據(jù)非?；镜母攀?，對(duì)于大型數(shù)據(jù)集沒(méi)有太大幫助。 而Pandas中的Profiling功能簡(jiǎn)單通過(guò)一行代碼就能顯示大量信息，且在交互式HTML報(bào)告中也是如此。

對(duì)于給定的數(shù)據(jù)集，Pandas中的profiling包計(jì)算了以下統(tǒng)計(jì)信息：

由Pandas Profiling包計(jì)算出的統(tǒng)計(jì)信息包括直方圖、眾數(shù)、相關(guān)系數(shù)、分位數(shù)、描述統(tǒng)計(jì)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(shù)據(jù)集來(lái)演示多功能Python分析器的結(jié)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(shí)現(xiàn)在Jupyter Notebook中顯示完整的數(shù)據(jù)分析報(bào)告，該報(bào)告非常詳細(xì)，且包含了必要的圖表信息。

還可以使用以下代碼將報(bào)告導(dǎo)出到交互式HTML文件中。

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

Pandas實(shí)現(xiàn)交互式作圖

Pandas有一個(gè)內(nèi)置的.plot()函數(shù)作為DataFrame類的一部分。但是，使用此功能呈現(xiàn)的可視化不是交互式的，這使得它沒(méi)那么吸引人。同樣，使用pandas.DataFrame.plot()函數(shù)繪制圖表也不能實(shí)現(xiàn)交互。 如果我們需要在不對(duì)代碼進(jìn)行重大修改的情況下用Pandas繪制交互式圖表怎么辦呢?這個(gè)時(shí)候就可以用Cufflinks庫(kù)來(lái)實(shí)現(xiàn)。

Cufflinks庫(kù)可以將有強(qiáng)大功能的plotly和擁有靈活性的pandas結(jié)合在一起，非常便于繪圖。下面就來(lái)看在pandas中如何安裝和使用Cufflinks庫(kù)。

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(shí)候展示泰坦尼克號(hào)數(shù)據(jù)集的魔力了。

df.iplot() 

df.iplot() vs df.plot() 

右側(cè)的可視化顯示了靜態(tài)圖表，而左側(cè)圖表是交互式的，更詳細(xì)，并且所有這些在語(yǔ)法上都沒(méi)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(biāo)準(zhǔn)數(shù)據(jù)分析中的一些常見(jiàn)問(wèn)題。使用命令%lsmagic可以看到所有的可用命令。

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(gè)%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(shè)置為1，則不用鍵入%即可調(diào)用Magic函數(shù)。

接下來(lái)看一些在常見(jiàn)數(shù)據(jù)分析任務(wù)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(gè)在線內(nèi)容托管服務(wù)，可以存儲(chǔ)純文本，如源代碼片段，然后通過(guò)url可以與其他人共享。事實(shí)上，Github gist也類似于pastebin，只是有版本控制。

在file.py文件中寫(xiě)一個(gè)包含以下內(nèi)容的python腳本，并試著運(yùn)行看看結(jié)果。

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

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

2. %matplotlib notebook

函數(shù)用于在Jupyter notebook中呈現(xiàn)靜態(tài)matplotlib圖。用notebook替換inline，可以輕松獲得可縮放和可調(diào)整大小的繪圖。但記得這個(gè)函數(shù)要在導(dǎo)入matplotlib庫(kù)之前調(diào)用。

3. %run

用%run函數(shù)在notebook中運(yùn)行一個(gè)python腳本試試。

%run file.py 
%%writefile 

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

4. %%latex

%%latex函數(shù)將單元格內(nèi)容以LaTeX形式呈現(xiàn)。此函數(shù)對(duì)于在單元格中編寫(xiě)數(shù)學(xué)公式和方程很有用。

查找并解決錯(cuò)誤

交互式調(diào)試器也是一個(gè)神奇的功能，我把它單獨(dú)定義了一類。如果在運(yùn)行代碼單元時(shí)出現(xiàn)異常，請(qǐng)?jiān)谛滦兄墟I入%debug并運(yùn)行它。 這將打開(kāi)一個(gè)交互式調(diào)試環(huán)境，它能直接定位到發(fā)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(zhí)行操作。退出調(diào)試器單擊q即可。

Printing也有小技巧

如果您想生成美觀的數(shù)據(jù)結(jié)構(gòu)，pprint是首選。它在打印字典數(shù)據(jù)或JSON數(shù)據(jù)時(shí)特別有用。接下來(lái)看一個(gè)使用print和pprint來(lái)顯示輸出的示例。

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(lái)突出顯示重要內(nèi)容或其他需要突出的內(nèi)容。注釋的顏色取決于指定的警報(bào)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(lán)色警示框：信息提示

<div class="alert alert-block alert-info"> 
 <b>Tip:</b> Use blue boxes (alert-info) for tips and notes.  
 If it’s a note, you don’t have to include the word “Note”. 
 </div> 

2. 黃色警示框：警告

<div class="alert alert-block alert-warning"> 
 <b>Example:</b> Yellow Boxes are generally used to include additional examples or mathematical formulas. 
 </div> 

3. 綠色警示框：成功

<div class="alert alert-block alert-success"> 
 Use green box only when necessary like to display links to related content. 
 </div> 

4. 紅色警示框：高危

<div class="alert alert-block alert-danger"> 
It is good to avoid red boxes but can be used to alert users to not delete some important part of code etc.  
</div> 

打印單元格所有代碼的輸出結(jié)果

假如有一個(gè)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(gè)輸出，而對(duì)于其他輸出，我們需要添加print()函數(shù)。然而通過(guò)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(jié)果就會(huì)一個(gè)接一個(gè)地打印出來(lái)。

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

恢復(fù)原始設(shè)置：

InteractiveShell.ast_node_interactivity = "last_expr" 

使用'i'選項(xiàng)運(yùn)行python腳本

從命令行運(yùn)行python腳本的典型方法是：python hello.py。但是，如果在運(yùn)行相同的腳本時(shí)添加-i，例如python -i hello.py，就能提供更多優(yōu)勢(shì)。接下來(lái)看看結(jié)果如何。

首先，即使程序結(jié)束，python也不會(huì)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(shù)的正確性。

[[268707]]

其次，我們可以輕松地調(diào)用python調(diào)試器，因?yàn)槲覀內(nèi)匀辉诮忉屍髦校?/p>

import pdb 
pdb.pm() 

這能定位異常發(fā)生的位置，然后我們可以處理異常代碼。

自動(dòng)評(píng)論代碼

Ctrl / Cmd + /自動(dòng)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。

刪除容易恢復(fù)難

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

如果您刪除了單元格的內(nèi)容，可以通過(guò)按CTRL / CMD + Z輕松恢復(fù)它。

如果需要恢復(fù)整個(gè)已刪除的單元格，請(qǐng)按ESC + Z或EDIT>撤消刪除單元格。

結(jié)論

在本文中，我列出了使用Python和Jupyter notebook時(shí)收集的一些小提示。我相信它們會(huì)對(duì)你有用，能讓你有所收獲，從而實(shí)現(xiàn)輕松編碼!

相關(guān)報(bào)道：

https://towardsdatascience.com/10-simple-hacks-to-speed-up-your-data-analysis-in-python-ec18c6396e6b

【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)文章，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文