7件事，让你快速提高数据分析能力

想让自己的数据分析能力更上一层楼吗?本文可以帮助你形成一个“每日加速提升数据分析能力清单”。

#1: Pandas Profiling

这一工具的优点显而易见。以下动画是使用df.profile_report()这一简单方法的结果。请自行观看成果展示;

使用此工具只需安装和导入Pandas Profiling程序包即可。

#2: 使用Cufflinks和Plotly绘制Panda数据

大多所谓的“经验丰富的”数据科学家或数据分析师都对matplotlib和 pandas的协同非常熟悉。也就是说，他们可以通过使用.plot()函数快速绘制pd.DataFrame或pd.Series图像。

有点无聊是吧?

现在就好了。如何做一个交互型全景式可缩放的图像呢?Cufflinks 可以做到!(由 Plotly提供)

在系统中安装Cufflinks即可! 快速安装Cufflinks ——在自己最喜欢的终端进行更新即可。可以观看以下动画：

好多了!

注意，唯一会改变以上结果的是对Cufflinks输入并设置cf.go_offline() 函数。其余的只是把.plot()改成.iplot()。

其他像.scatter_matrix()这样的函数会带来不错的可视化图像：

酷毙了!

希望从事大量数据可视化工作的朋友都看一看有关的Cufflinks和Plotly内容，从中可以找到大量方法!

#3: IPython Magic Commands

IPython 的Magics本质上就是IPython堆叠在Python语法顶端的一系列加强功能。Magic commands有两种：其一为line magics，用%作为前缀表示，在一行输入的代码上运行;而 cell magics用%%作为前缀表示，在多行输入的代码上运行。以下是Magics的一些实用函数：

%lsmagic: 应有尽有。

不妨先尝试一些传统却好用的方法。如果只记得一条Magic Command，估计就是它了。执行%lsmagic将会出现所有可用的Magic Commands列表：

%debug: 交互程序调试

这估计是Magic Command使用频次最高的了。

大多人都试过：程序员执行一个代码块，而这个代码块一直出错。绝望中的程序员为了输出每一变量的内容，写下20 print()一类代码。然后当程序员终于修复了问题时，就不得不回过头删除所有列出的函数。

然而现在不用了!只需在遇到问题的时候执行%debug，就可以执行任意一部分代码了：

那么，总结一下以上内容：

1. 有一个函数，它将一个列表作为输入，并平方所有偶数。

2. 运行函数，某处出现错误。但无法找到错误。

3. 出错时把%debug命令标记到函数中。

4. 让调试程序显示x以及type(x)的值。

5. 由此找到了错误：6被当作了一行字符串!

可以想象，这一命令对更多更复杂的函数都大有用处!

%store: 在notebooks间互传变量

这个命令也很棒。首先说一说起因。程序员花时间清理了notebook中的一些数据，现在要测试另一notebook中的一些函数，因此既需要在同一notebook中实现函数功能，又要将其放到另一notebook中。用%store只要存储变量，并在任一notebook中检索即可：

%store [variable]存储变量。

%store -r [variable]阅读/检索已存储的变量。

%who: 罗列所有变量。

是否曾将某个值赋到一个变量上但忘了变量名称?是否不小心删除了赋值给变量的单元格?有了%who，就可以获得所有已赋值的变量：

%%time: 魔法定时。

有了这个命令，就可以获得一切所需的定时信息。只要将%%time应用到任何一段可执行的代码中，就可以获得如下输出：

24微秒。马马虎虎吧。

%%writefile: 将单元格内容编辑到文档。

这是本文的最后一个命令。当已经在notebook中写了一些复杂的函数或其类别，而想要将其从notebook中分离存到文件中去时，这个命令非常有用。只需为函数或其类别添加前置%%writefile，然后添加文件名储存即可：

如图所示，可以直接将创建的函数储存到 “utils.py” 文件夹中，以任意形式导入函数即可。在其他notebook中也是这样!(只要都在utils.py文件夹的同一个目录中)

#4: Jupyter中的绚丽格式

这个非常棒!基本上，Jupyter允许在markdown单元格中设置一些HTML / CSS格式。这是一些常用的：

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!