10 个加速Python数据分析的简单的小技巧

一些小的技巧在编程领域可能会非常有用，在数据科学领域同样如此。数据科学爱好者 Parul Pandey 在近日发表了一篇博文，分享了在数据科学中非常实用的 10 个小技巧。

有时候，一点小小的黑客行为可以节省时间，挽救生命。一个小小的快捷方式或附加组件有时会被证明是天赐之物，并且可以真正提高生产力。所以，下面是我最喜欢的一些技巧，我以本文的形式一起使用和编译它们。其中，有些可能是相当有名的，有些可能是新的，但我相信下次您从事数据分析项目时，它们会非常有用。

1.Profiling the pandas dataframe

Profiling 是一个帮助我们理解数据的程序，而 Pandas Profiling 正是实现这一点的一个 python 包。这是对 pandas 数据帧进行探索性数据分析的一种简单快速的方法。pandas df.describe()和 df.info()函数通常用作 EDA 过程的第一步。但是，它只提供了非常基本的数据概述，对于大型数据集没有太大帮助。另一方面，pandas 分析函数使用 df.profile_report()扩展 pandas 数据帧，以便快速进行数据分析。它用一行代码显示了大量信息，在交互式 HTML 报告中也显示了这些信息。对于给定的数据集，pandas 分析包计算以下统计信息：

Pandas Profiling 包计算统计信息

安装

pip install pandas-profiling 
 
--或者 
 
conda install -c anaconda pandas-profiling 

使用

让我们使用古老的 Titanic 数据集来演示通用的 Python 分析器的功能。

#importing the necessary packages 
import pandas as pd 
import pandas_profiling 
 
# Depreciated: pre 2.0.0 version 
df = pd.read_csv('titanic/train.csv') 
pandas_profiling.ProfileReport(df) 

注：在这篇文章发表一周后，Pandas-Profiling 发布了一个升级版本 2.0.0。其语法发生了一些变化，事实上，功能已经包含在 pandas 中，报告也变得更加全面。以下是最新的语法用法：

使用

要在 Jupyter notebook 中显示报告，请运行：

#Pandas-Profiling 2.0.0 
df.profile_report() 

这一行代码就是在 Jupyter notebook 中显示数据分析报告所需的全部代码。报告非常详细，必要时包括图表。

还可以将报告导出到具有以下代码的交互式 HTML 文件中。

profile = df.profile_report(title='Pandas Profiling Report') 
profile.to_file(outputfile="Titanic data profiling.html") 

2.为 pandas plots 带来交互性

pandas 有一个内置的.plot()函数作为数据帧类的一部分。然而，用这个函数呈现的可视化并不是交互式的，这使得它不那么吸引人。相反，也不能排除使用 pandas.dataframe.plot()函数绘制图表的易用性。如果我们不需要对代码进行重大修改，就可以像绘制 pandas plots 那样绘出交互式图表呢?你可以在 Cufflinks 库的帮助下做到这一点。Cufflinks 将 plotly 的力量与 pandas 的灵活性结合起来，便于绘制。现在让我们来看看如何安装这个库并让它在 pandas 中工作。

安装

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

使用

#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) 

是时候用 Titanic 数据集来展示它的魔法了。

df.iplot() 

df.iplot() vs df.plot() 

右视图显示的是静态图表，左图表是交互式的，更详细地说，所有这一切在语法上都没有重大变化。

3.一点点 Magic

Magic 命令是 Jupyter notebook 中的一组方便的函数，旨在解决标准数据分析中的一些常见问题。在%lsmagic 的帮助下，您可以看到所有可用的 magic。

所有可用的 magic 函数列表

magic 命令有两种：行 magics(前缀为一个% 字符并在一行输入上操作)和单元 magics(用%% 前缀关联并在多行输入上操作)。如果设置为 1，则可以调用 magic 函数，而无需键入初始百分比。

让我们看看其中一些在常见数据分析任务中可能有用的功能：

% pastebin

%Pastebin 将代码上载到 Pastebin 并返回 URL。Pastebin 是一种在线内容托管服务，我们可以在其中存储纯文本(如源代码片段)，然后可以与其他人共享 URL。事实上，Github gist 也类似于 Pastebin，尽管有版本控制。

考虑使用包含以下内容的 python script file.py：

#file.py 
def foo(x): 
    return x 

使用 Jupyter notebook 中的%pastebin 生成 pastebin url

%matplotlib notebook

%matplotlib inline 函数用于呈现 Jupyter noteboo 中的静态 matplotlib 绘图。尝试用 notebook 替换内嵌部件，以轻松获得可缩放和可调整大小的绘图。确保在导入 Matplotlib 库之前调用了函数。

%matplotlib inline vs %matplotlib notebook

• %run

%run 函数在 notebook 内运行 python 脚本。

%run file.py 

• %%writefile

%WriteFile 将单元格的内容写入文件。在这里，代码将被写入一个名为 foo 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。它可用于在单元中编写数学公式和方程。

4.发现和消除错误

interactive debugger 也是一个神奇的函数，但我已经为它提供了自己的一个类别。如果在运行代码单元时遇到异常，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，将您带到发生异常的位置。您还可以检查程序中分配的变量值，并在此处执行操作。要退出调试器，请单击 q。

5.输出也可以很漂亮

如果您想为数据结构生成美观的表示，pprint 是你想要的模块，它在打印字典或 JSON 数据时特别有用。让我们来看一个使用 print 和 pprint 显示输出的示例。

6.突出报警框

我们可以在您的 Jupyter 笔记本中使用警告/注释框来突出显示重要的内容或任何需要突出显示的内容。注释的颜色取决于警报的类型。只需在需要突出显示的单元格中添加以下代码。

蓝色警报框：信息提示

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

黄色警报框：警告

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

绿色警报框：成功

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

红色警报框：危险

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

7.打印单元格的所有输出

考虑一个包含以下代码行的 Jupyter notebook 单元：

In [1]: 10+5           
         11+6 

Out [1]: 17 

通常情况下，单元格中只有最后一个输出会被打印出来，对于其他输出，我们需要添加 print()函数。好吧，其实我们只需在 notebook 顶部添加以下代码片段就可以打印所有输出。

from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" 

现在所有的输出都被一个接一个地打印出来

In [1]: 10+5           
         11+6 
         12+7 

Out [1]: 15 
Out [1]: 17 
Out [1]: 19 

要恢复到原始设置：

InteractiveShell.ast_node_interactivity = "last_expr" 

8.使用「i」文件运行 python 脚本

从命令行运行 python 脚本的一种典型方法是：python hello.py。但是，如果您在运行同一脚本(如 python)时添加了一个额外的-i hello.py，那么它提供了更多的优势。让我们看看怎么做。首先，只要程序不结束，python 就不会退出解释器。因此，我们可以检查变量的值以及程序中定义的函数的正确性。

其次，我们可以通过以下方式轻松调用 Python 调试器，因为我们仍在解释器中：

import pdb 
pdb.pm() 

这将使我们进入异常发生的位置，然后我们可以处理代码。

查看来源可以点击这里。

9.自动注释代码

ctrl/cmd+/自动将单元格中选定的行注释掉，再次点击组合将取消对同一行代码的注释。

10.删除容易恢复难