|
|
51CTO旗下网站
|
|
移动端
创建专栏

10个可以快速用Python进行数据分析的小技巧

在本文中,我列出了使用Python和Jupyter notebook时收集的一些小提示。我相信它们会对你有用,能让你有所收获,从而实现轻松编码!

作者:大数据文摘|2019-06-23 18:30

大数据文摘出品

来源:towardsdatascience

编译:小七、蒋宝尚

一些小提示和小技巧可能是非常有用的,特别是在编程领域。有时候使用一点点黑客技术,既可以节省时间,还可能挽救“生命”。

一个小小的快捷方式或附加组件有时真是天赐之物,并且可以成为真正的生产力助推器。所以,这里有一些小提示和小技巧,有些可能是新的,但我相信在下一个数据分析项目中会让你非常方便。

Pandas中数据框数据的Profiling过程

Profiling(分析器)是一个帮助我们理解数据的过程,而Pandas Profiling是一个Python包,它可以简单快速地对Pandas 的数据框数据进行探索性数据分析。

Pandas中df.describe()和df.info()函数可以实现EDA过程第一步。但是,它们只提供了对数据非常基本的概述,对于大型数据集没有太大帮助。 而Pandas中的Profiling功能简单通过一行代码就能显示大量信息,且在交互式HTML报告中也是如此。

对于给定的数据集,Pandas中的profiling包计算了以下统计信息:

由Pandas Profiling包计算出的统计信息包括直方图、众数、相关系数、分位数、描述统计量、其他信息——类型、单一变量值、缺失值等。

1. 安装

用pip安装或者用conda安装。

  1. pip install pandas-profiling 
  2.  conda install -c anaconda pandas-profiling 

2. 用法

下面代码是用很久以前的泰坦尼克数据集来演示多功能Python分析器的结果。

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

一行代码就能实现在Jupyter Notebook中显示完整的数据分析报告,该报告非常详细,且包含了必要的图表信息。

还可以使用以下代码将报告导出到交互式HTML文件中。

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

Pandas实现交互式作图

Pandas有一个内置的.plot()函数作为DataFrame类的一部分。但是,使用此功能呈现的可视化不是交互式的,这使得它没那么吸引人。同样,使用pandas.DataFrame.plot()函数绘制图表也不能实现交互。 如果我们需要在不对代码进行重大修改的情况下用Pandas绘制交互式图表怎么办呢?这个时候就可以用Cufflinks库来实现。

Cufflinks库可以将有强大功能的plotly和拥有灵活性的pandas结合在一起,非常便于绘图。下面就来看在pandas中如何安装和使用Cufflinks库。

1. 安装

  1. pip install plotly 
  2. # Plotly is a pre-requisite before installing cufflinks 
  3. pip install cufflinks 

2. 用法

  1. #importing Pandas  
  2.  import pandas as pd 
  3.  #importing plotly and cufflinks in offline mode 
  4.  import cufflinks as cf 
  5. import plotly.offline 
  6.  cf.go_offline() 
  7.  cf.set_config_file(offline=Falseworld_readable=True

是时候展示泰坦尼克号数据集的魔力了。

  1. df.iplot() 

  1. df.iplot() vs df.plot() 

右侧的可视化显示了静态图表,而左侧图表是交互式的,更详细,并且所有这些在语法上都没有任何重大更改。

Magic命令

Magic命令是Jupyter notebook中的一组便捷功能,旨在解决标准数据分析中的一些常见问题。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命令有两种:行magic命令(line magics),以单个%字符为前缀,在单行输入操作;单元magic命令(cell magics),以双%%字符为前缀,可以在多行输入操作。如果设置为1,则不用键入%即可调用Magic函数。

接下来看一些在常见数据分析任务中可能用到的命令:

1. % pastebin

%pastebin将代码上传到Pastebin并返回url。Pastebin是一个在线内容托管服务,可以存储纯文本,如源代码片段,然后通过url可以与其他人共享。事实上,Github gist也类似于pastebin,只是有版本控制。

在file.py文件中写一个包含以下内容的python脚本,并试着运行看看结果。

  1. #file.py 
  2.  def foo(x): 
  3.      return x 

在Jupyter Notebook中使用%pastebin生成一个pastebin url。

2. %matplotlib notebook

函数用于在Jupyter notebook中呈现静态matplotlib图。用notebook替换inline,可以轻松获得可缩放和可调整大小的绘图。但记得这个函数要在导入matplotlib库之前调用。

3. %run

用%run函数在notebook中运行一个python脚本试试。

  1. %run file.py 
  2. %%writefile 

%% writefile是将单元格内容写入文件中。以下代码将脚本写入名为foo.py的文件并保存在当前目录中。

4. %%latex

%%latex函数将单元格内容以LaTeX形式呈现。此函数对于在单元格中编写数学公式和方程很有用。

查找并解决错误

交互式调试器也是一个神奇的功能,我把它单独定义了一类。如果在运行代码单元时出现异常,请在新行中键入%debug并运行它。 这将打开一个交互式调试环境,它能直接定位到发生异常的位置。还可以检查程序中分配的变量值,并在此处执行操作。退出调试器单击q即可。

Printing也有小技巧

如果您想生成美观的数据结构,pprint是首选。它在打印字典数据或JSON数据时特别有用。接下来看一个使用print和pprint来显示输出的示例。

让你的笔记脱颖而出

我们可以在您的Jupyter notebook中使用警示框/注释框来突出显示重要内容或其他需要突出的内容。注释的颜色取决于指定的警报类型。只需在需要突出显示的单元格中添加以下任一代码或所有代码即可。

1. 蓝色警示框:信息提示

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

2. 黄色警示框:警告

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

3. 绿色警示框:成功

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

4. 红色警示框:高危

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

打印单元格所有代码的输出结果

假如有一个Jupyter Notebook的单元格,其中包含以下代码行:

  1. In  [1]: 10+5           
  2.           11+6 
  3. Out [1]: 17 

单元格的正常属性是只打印最后一个输出,而对于其他输出,我们需要添加print()函数。然而通过在notebook顶部添加以下代码段可以一次打印所有输出。

添加代码后所有的输出结果就会一个接一个地打印出来。

  1. In  [1]: 10+5           
  2.           11+6 
  3.           12+7 
  4. Out [1]: 15 
  5.  Out [1]: 17 
  6.  Out [1]: 19 

恢复原始设置:

  1. InteractiveShell.ast_node_interactivity = "last_expr" 

使用'i'选项运行python脚本

从命令行运行python脚本的典型方法是:python hello.py。但是,如果在运行相同的脚本时添加-i,例如python -i hello.py,就能提供更多优势。接下来看看结果如何。

首先,即使程序结束,python也不会退出解释器。因此,我们可以检查变量的值和程序中定义的函数的正确性。

其次,我们可以轻松地调用python调试器,因为我们仍然在解释器中:

  1. import pdb 
  2. pdb.pm() 

这能定位异常发生的位置,然后我们可以处理异常代码。

自动评论代码

Ctrl / Cmd + /自动注释单元格中的选定行,再次命中组合将取消注释相同的代码行。

删除容易恢复难

你有没有意外删除过Jupyter notebook中的单元格?如果答案是肯定的,那么可以掌握这个撤消删除操作的快捷方式。

如果您删除了单元格的内容,可以通过按CTRL / CMD + Z轻松恢复它。

如果需要恢复整个已删除的单元格,请按ESC + Z或EDIT>撤消删除单元格。

结论

在本文中,我列出了使用Python和Jupyter notebook时收集的一些小提示。我相信它们会对你有用,能让你有所收获,从而实现轻松编码!

相关报道:

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

【本文是51CTO专栏机构大数据文摘的原创文章,微信公众号“大数据文摘( id: BigDataDigest)”】

     大数据文摘二维码

戳这里,看该作者更多好文

【编辑推荐】

  1. 数据科学家易犯的十大编码错误,你中招了吗?
  2. Python 2.7终结于7个月后,这是你需要了解的3.X炫酷新特性
  3. 完美假期第一步:用Python寻找最便宜的航班!
  4. 十个编码过程中的“坑”,一篇文章帮你填平了!
  5. Python中十大免费的优秀图像处理工具
【责任编辑:赵宁宁 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢