使用Python加速數據分析的10個簡單技巧分別是什么

這期內容當中小編將會給大家帶來有關使用Python加速數據分析的10個簡單技巧分別是什么，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

提示和技巧，尤其是在編程領域，可能是非常有用的。有時，一個小技巧可以節省時間和生命。一個小的快捷方式或附加組件有時會被證明是天賜之物，并能真正提高生產力。因此，下面是我最喜歡的一些提示和技巧，我將它們以本文的形式一起使用和編譯。有些可能是我們相當熟悉的，有些可能是新的，但我確信它們將在你下一次處理數據分析項目時派上用場。

1.分析pandas數據幀

Profiling(分析)是一個幫助我們理解數據的過程，而Pandas Profiling就是執行這一過程的python包。這是一種對Pandas  Dataframe(數據幀)進行探索性數據分析的簡便、快速的方法。Pandas的df.describe()和df.info()函數通常用作EDA過程的第一步。但是，它只提供了一個非常基本的數據概覽，對于大型數據集的情況并沒有多大幫助。另一方面，Pandas  Profiling(分析)函數使用df.profile_report()對pandas數據幀進行了擴展，以便快速進行數據分析。它用一行代碼顯示了很多信息，在交互式HTML報告中也是如此。

對于一個給定的數據集，pandas profiling(分析)包會計算以下統計數據：

Pandas Profiling 包計算出的統計數據。

安裝

用法

我們來使用古老的titanic數據集來演示多功能python分析器的功能。

編者注：本文發布一周后，Pandas-Profiling發布了一個重大的升級版本——2.0.0。語法發生了一些變化，事實上，它的功能已經包含在pandas本身中了，并且報告也變得更加全面。下面是最新的用法語法：

Usage

要在 Jupyter notebook中顯示報告，請運行以下代碼：

你只需要這一行代碼就可以在一個Jupyter notebook中顯示數據分析報告。報告非常詳細，包括了必要的圖表。

你也可以使用以下代碼將這個報告輸出到一個交互式HTML文件中。

2.為pandas 圖表帶來交互性

Pandas有一個內置的.plot()函數，它是DataFrame類的一部分。然而，使用該函數呈現的可視化效果并不具有交互性，這使得它的吸引力降低。相反，也不能排除使用pandas.  datafram  .plot()函數繪制圖表的方便性。如果我們不需要對代碼進行重大修改，就可以使用pandas繪制出像plotly那樣的交互式圖表，那會怎么樣呢?實際上，你可以使用Cufflinks庫做到這一點。

Cufflinks庫結合了plotly的強大功能和pandas的靈活性，便于輕松繪圖。現在我們來看看如何安裝這個庫并讓它在pandas中運行。

安裝

用法

是時候看看使用Titanic數據集展開的神奇之處了。

df.iplot() 對比 df.plot()

右邊的可視化顯示的是靜態圖表，而左邊的圖表是交互式的，并且更加詳細，所有這些都沒有對語法進行任何重大更改。

3. 一點魔法

魔法命令是Jupyter  Notebook中的一組方便的函數，旨在解決標準數據分析中的一些常見問題。你可以通過%lsmagic命令來查看所有可用的魔法命令。

所有可用魔法函數的列表

魔法命令有兩種類型: line magics(行魔法)和cell  magics(單元魔法)，前者以單個%字符作為前綴，并在一行輸入上進行操作;后者與兩個%%前綴關聯，并在多行輸入上進行操作。如果將魔法函數的選項設置為1時，不需要鍵入初始%就可調用它。

我們來看看在常見的數據分析任務中可能有用的一些魔法函數：

% pastebin

%pastebin將代碼上傳到Pastebin并返回其url。Pastebin是一個在線內容托管服務，我們可以在其中存儲純文本，如源代碼片段，然后可以將url與他人共享。事實上，Github  gist也類似于Pastebin，盡管它有版本控制。

我們假設有一個包含以下內容的python腳本file.py：

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

%matplotlib notebook

%matplotlib inline函數用于在Jupyter  notebook中呈現靜態matplotlib繪圖。嘗試用notebook替換inline部分，你就可以輕松獲得可縮放和可調整大小的繪圖。確保在導入matplotlib庫之前調用該函數。

%matplotlib inline 對比 %matplotlib notebook

%run

%run函數會在一個notebook中運行一個python腳本。

%%writefile

%%writefile 會將單元格的內容寫入文件。這里的代碼將被寫入一個名為foo.py的文件，并保存在當前目錄中。

%%latex

%%latex函數會將單元格的內容呈現為LaTeX。它對在單元格中編寫數學公式和方程很有用。

4.發現和消除錯誤

Interactive  debugger(交互式調試器)也是一個magic函數，但是我已經將它單獨歸為一類。如果在運行代碼單元格時出現異常，請在一個新行中鍵入%debug并運行它。這會打開一個交互式調試環境，它會將你帶到異常發生的位置。你還可以檢查程序中分配的變量的值，并在這里執行操作。要退出這個調試器，請按q。

5. 打印輸出也可以很漂亮

如果你想為你的數據結構生成美觀的表示形式，pprint是首選模塊。它在打印字典或JSON數據時特別有用。我們來看一個同時使用print和pprint顯示輸出的例子。

6. 讓注釋突出顯示。

我們可以在Jupyter  Notebook中使用信息提示/備注框來醒目顯示一些重要的或任何需要突出的東西。注釋的顏色取決于你指定的提示類型。你只需在需要高亮顯示的單元格中添加以下任何或所有代碼即可。

藍色信息提示框: 信息

黃色信息提示框: 警告

綠色提示框: 成功

紅色提示框: 危險

7.打印一個單元格中的所有輸出

假設有一個含有以下代碼行的Jupyter Notebook單元格：

只打印最后一個輸出是單元格的一個正常屬性，而對于其他輸出，我們需要添加print()函數。事實上，我們只要在notebook的頂部添加以下代碼片段，就可以打印出所有輸出。

現在所有的輸出一個接一個的被打印出。

還原到原始設置：

8.使用‘i’選項運行Python腳本

從命令行運行python腳本的一種典型方法是: python hello.py。但是，如果你在運行相同的腳本時添加一個附加的-i，例如python -i  hello.py，它會提供更多的優點。我們來一探究竟。

首先，一旦程序結束，python并不會退出解釋器。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。

其次，我們可以很容易地使用以下代碼調用python調試器，因為我們仍然在解釋器中：

這會將我們帶到異常發生的位置，然后我們就可以處理代碼。

這個技巧的初始來源。(http://www.bnikolic.co.uk/blog/python-running-cline.html )

9.自動對代碼進行注釋

Ctrl/Cmd + / 會自動注釋單元格中選定的行。再次敲擊該組合鍵將取消對同一行代碼的注釋。

10.能刪除是人，能恢復是神。

你是否曾經不小心刪除了Jupyter Notebook中的一個單元格?如果是，那么這里有一個快捷方式可以撤消此刪除操作。

• 如果你刪除了一個單元格的內容，按CTRL/CMD+Z可以很容易地恢復它

• 如果你需要恢復一個全部刪除的單元格，請點擊ESC+Z或EDIT > Undo Delete Cells

結論

我列出了在使用Python和JupyterNotebook時收集到的主要技巧。

上述就是小編為大家分享的使用Python加速數據分析的10個簡單技巧分別是什么了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。