總有一些小貼士和技巧在編程領域是非常有用的。有時，一個小技巧可以節省時間甚至可以挽救生命。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，我總結了一些我最喜歡的一些貼士和技巧，我將它們以本文的形式一起使用和編譯。有些可能是大家相當熟悉的，有些可能是比較新的，但我確信它們將在下一次您處理數據分析項目時派上用場。

1.?????? 分析pandas dataframe

分析是一個幫助我們理解數據的過程，而pandas分析是一個python包，它正好做到了這一點。這是一種對Pandas Dataframe進行探索性數據分析的簡便、快速的方法。panda 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，對于大型數據集沒有多大幫助。另一方面，panda分析函數用一行代碼顯示了很多信息，這也可以在交互式HTML報告中顯示。

對于給定的數據集，pandas分析包計算以下統計數據:

統計計算機-熊貓剖析包

安裝

pip install pandas-profiling

or

conda install -c anaconda pandas-profiling

用法

讓我們使用古老的Titanic數據集來演示通用的Python分析器的功能。

#importing the necessary packages

import pandas as pd

import pandas_profiling

df = pd.read_csv('titanic/train.csv')

pandas_profiling.ProfileReport(df)

這一行代碼就是在Jupyter筆記本中顯示數據分析報告所需的全部代碼。報告非常詳細，包括必要圖表。

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")

2.?????? 將互動帶到pandas plots

pandas有一個內置的.plot（）函數作為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，就可以像用pandas繪制圖表那樣巧妙地繪制交互式圖表，那會怎么樣呢?實際上，你可以在Cufflinks庫的幫助下做到這一點。

Cufflinks庫將plotly的力量與熊貓的靈活性結合起來，便于繪制。現在讓我們來看看如何安裝這個庫并讓它在pandas中工作。

安裝

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

pip install cufflinks

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)

是時候看看泰坦尼克數據集的神奇之處了。

df.iplot()

+6df.iplot() vs df.plot()

下邊的可視化顯示的是靜態圖表，而上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.?????? 一點點魔法

Magic命令是jupyter筆記本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。在%lsmagic的幫助下，您可以看到所有可用的magic。

所有可用magic函數的列表

Magic命令有兩種類型:line magics和cell magics，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double %%前綴關聯，并在多行輸入上進行操作。如果將Magic函數設置為1，則無需鍵入初始%即可調用。

讓我們來看看在常見的數據分析任務中可能有用的一些方法:

% pastebin

%pastebin將代碼上載到pastebin并返回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url可以與他人共享。事實上，Github gist也類似于pastebin，盡管有版本控制。

考慮一個包含以下內容的python script file.py：

#file.py

def foo(x):

return x

使用Jupyter筆記本中的%Pastebin生成Pastebin URL。

%matplotlib notebook

%matplotlib inline函數用于呈現jupyter筆記本中的靜態matplotlib繪圖。嘗試用筆記本替換內嵌部件，以輕松實現可縮放和可調整大小的繪圖。確保在導入Matplotlib庫之前調用了函數。

%matplotlib inline vs %matplotlib notebook

%run

%run函數在一個筆記本中運行一個python腳本。

%run file.py

%%writefile

%%writefile將單元格的內容寫入文件。在這里，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 函數將單元格內容呈現為乳膠。它可用于在單元中編寫數學公式和方程。

4.發現和消除錯誤

交互式調試器也是一個神奇的函數，但是我已經給了它提供一個自己的類別。如果在運行代碼單元格時出現異常，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，將您帶到異常發生的位置。您還可以檢查程序中分配的變量的值，并在這里執行操作。要退出調試器，請按q。

5.印刷也可以很漂亮

如果您想為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。讓我們看一個同時使用print和pprint顯示輸出的示例。

這又是一篇很長的文章，這次先透露5個技巧，其余的5個我明天繼續更新。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的python数据分析方法五种_加速Python数据分析的10个简单技巧（上）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。