专注！！！本文列出了使用Python和JupyterNotebook的一些技巧，讨论了如何轻松分析数据以及如何进行格式化、编码、输出和调试等操作。在编程的世界里，有时候一个小技巧可以节省很多时间，甚至可以挽救生命。这些“必杀技”往往能在以后的数据分析中起到重大作用。一、分析Pandas数据框Profiling（分析）是一个帮助理解数据的过程，PandasProfiling（数据预览分析）作为一个python工具包，是用来帮助理解数据的。该工具可以对pandas数据框进行简单快速的探索性数据分析。pandasdf.describe()和df.info()函数通常是EDA过程的第一步。但是，此步骤仅提供基本数据预览，对大型数据集帮助不大。此外，PandasProfiling函数使用df.profile_report()扩展了PandasDataFrame以进行快速数据分析。此功能仅需一行代码即可显示大量信息，也可用于交互式HTML报告。对于给定的数据集，数据预览分析包处理以下数据：由PandasProfiling工具包计算的统计信息安装pipinstallpandas-profiling#importingthenecessarypackagesimportpandasaspdimportpandas_profiling#Depreciated:pre2.0.0versiondf=pd.read_csv('titanic/train.csv')pandas_profiling.ProfileReport(df)近日，Pandas-Profiling发布了一个重要的2.0.0升级版本。事实上，这个版本对语法做了一个小改动，这个功能也被包含在PandasDataFrames中，报告也变得更加全面。下面是最新的语法用法：使用在Jupyternotebook中显示报告，运行：#Pandas-Profiling2.0.0df.profile_report()这行代码是用户在Jupyternotebook中显示数据分析报告所需的全部.显示的报告非常详细，必要时还包括图表。用户还可以使用以下代码将此报告导出为交互式HTML文件：profile=df.profile_report(title='PandasProfilingReport')profile.to_file(outputfile="Titanicdataprofiling.html")更多详细信息和示例：https://pandas-profiling.github.io/pandas-profiling/docs/2。增强Pandas图的交互性Pandas有一个内置的.plot()函数，它是DataFrame类的一部分。但是，此功能的不足之处在于所呈现的可视化效果不是交互式的。相反，使用pandas.DataFrame.plot()函数可以轻松绘制图形。是否可以在不对代码进行重大更改的情况下绘制类似Pandas图表的交互式图表？答案是肯定的，Cufflinks库可以帮助解决这个问题。Cufflinks库结合了plotly的强大功能和Pandas的灵活性，使绘图变得容易。现在让我们看看如何安装这个库并让它在pandas上运行。安装pipinstallplotly#Plotlyisapre-requisitebeforeinstallingcufflinksspipinstallcufflinks使用#importingPandasimportpandasasspd#importingplotlyandcufflinksinofflinemodeimportcufflinksascfimportplotly.offlinecf.go_offline()cf.set_config_file(offline=False,world_readable=True)现在看看df.iplot()在大数据集上可视化的魔力.plot()显示静态图表，而左侧是具有更多细节的交互式图表。这些图表都没有对语法进行重大更改。更多示例：https://github.com/santosjorge/cufflinks/blob/master/Cufflinks%20Tutorial%20-%20Pandas%20Like.ipynb3.ALittleMagicMagic命令是JupyterNotebooks中的一组便利函数，旨在解决标准数据分析中的一些常见问题。在%lsmagic的帮助下，用户可以看到所有可用的魔法函数。所有可用魔法函数列表魔法命令有两种类型：行魔法，以单个%字符为前缀，对单行输入进行操作；cellmagic，以%%为前缀，对多行输入进行操作。如果设置为1，则无需键入初始%即可调用魔术函数。我们来看看两个神奇命令在常见数据分析任务中的应用：%pastebin%pastebin将代码上传到Pastebin，并返回url地址。Pastebin是一种在线内容托管服务，用户可以在其中存储源代码片段等纯文本，然后与他人共享URL。事实上，Github的gist也类似于pastebin，只是有版权限制。考虑一个包含以下内容的python脚本file.py：#file.pydeffoo(x):returnx在Jupyter笔记本中使用%pastebin生成一个pastebinurl。%matplotlibnotebook%matplotlib内联函数用于在Jupyter笔记本中呈现静态matplotlib图形。尝试将inline替换为notebook，以便轻松缩放、调整大小的绘图。确保在导入matplotlib库之前启用该功能。%matplotlibinline和%matplotlibnotebook%run%run函数在笔记本中运行python脚本。%runfile.py%%writefile%%writefile将单元格的内容写入文件。使用此功能，代码将写入名为foo.py的文件并保存在当前目录中。%%latex%%latex函数将单元格内容呈现为LaTeX格式。这对于在单元格中编写数学公式和方程很有用。4.查找和消除错误交互式调试器也是一个神奇的功能，但本文将其单独分类。如果在运行代码单元时发生异常，用户可以在新行中键入%debug并继续运行。此操作将打开一个交互式调试环境以查找异常发生的位置。用户还可以查看程序中分配的变量值并在那里执行操作。单击q退出调试。5.漂亮的排版如果你想构建漂亮的数据结构，pprint是一个简单的模块，在打印字典或JSON数据时特别有用。让我们看一个使用print和pprint来显示输出的例子。6.笔记高亮你可以在Jupyternotebooks中使用alert/Noteboxes来标记一些重要的或者需要高亮的内容。注释的颜色取决于突出显示内容的重要性。用户只需将以下任何或所有代码添加到需要突出显示的单元格中。蓝色注释框：信息
