可以让你快速用Python进行资料分析的10个小技巧
一些小提示和小技巧可能是非常有用的，特别是在程式设计领域。有时候使用一点点黑客技术，既可以节省时间，还可能挽救“生命”。
一个小小的快捷方式或附加元件有时真是天赐之物，并且可以成为真正的生产力助推器。所以，这里有一些小提示和小技巧，有些可能是新的，但我相信在下一个资料分析专案中会让你非常方便。
Pandas中资料框资料的Profiling过程
Profiling（分析器）是一个帮助我们理解资料的过程，而Pandas Profiling是一个Python包，它可以简单快速地对Pandas 的资料框资料进行探索性资料分析。
Pandas中df.describe()和df.info()函式可以实现EDA过程第一步。但是，它们只提供了对资料非常基本的概述，对于大型资料集没有太大帮助。 而Pandas中的Profiling功能简单通过一行程式码就能显示大量资讯，且在互动式HTML报告中也是如此。
对于给定的资料集，Pandas中的profiling包计算了以下统计资讯：
由Pandas Profiling包计算出的统计资讯包括直方图、众数、相关系数、分位数、描述统计量、其他资讯——型别、单一变数值、缺失值等。
安装
用pip安装或者用conda安装
pip install pandas-profiling
conda install -c anaconda pandas-profiling
用法
下面程式码是用很久以前的泰坦尼克资料集来演示多功能Python分析器的结果。
#importing the necessary packages
import pandas as pd
import pandas_profiling
df = pd.read_csv('titanic/train.csv')
pandas_profiling.ProfileReport(df)
一行程式码就能实现在Jupyter Notebook中显示完整的资料分析报告，该报告非常详细，且包含了必要的图表资讯。
还可以使用以下程式码将报告汇出到互动式HTML档案中。
profile = pandas_profiling.ProfileReport(df)
profile.to_file(outputfile="Titanic data profiling.html")
Pandas实现互动式作图
Pandas有一个内建的.plot（）函式作为DataFrame类的一部分。但是，使用此功能呈现的视觉化不是互动式的，这使得它没那么吸引人。同样，使用pandas.DataFrame.plot（）函式绘制图表也不能实现互动。 如果我们需要在不对程式码进行重大修改的情况下用Pandas绘制互动式图表怎么办呢？这个时候就可以用Cufflinks库来实现。
Cufflinks库可以将有强大功能的plotly和拥有灵活性的pandas结合在一起，非常便于绘图。下面就来看在pandas中如何安装和使用Cufflinks库。
安装
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)
是时候展示泰坦尼克号资料集的魔力了。
df.iplot()
df.iplot() vs df.plot()
右侧的视觉化显示了静态图表，而左侧图表是互动式的，更详细，并且所有这些在语法上都没有任何重大更改。
Magic命令
Magic命令是Jupyter notebook中的一组便捷功能，旨在解决标准资料分析中的一些常见问题。使用命令％lsmagic可以看到所有的可用命令。
所有可用的Magic命令列表
Magic命令有两种：行magic命令（line magics），以单个％字元为字首，在单行输入操作；单元magic命令（cell magics），以双%%字元为字首，可以在多行输入操作。如果设定为1，则不用键入%即可呼叫Magic函式。
接下来看一些在常见资料分析任务中可能用到的命令：
% pastebin
％pastebin将程式码上传到Pastebin并返回url。Pastebin是一个线上内容托管服务，可以储存纯文字，如源代码片段，然后通过url可以与其他人共享。事实上，Github gist也类似于pastebin，只是有版本控制。
在file.py档案中写一个包含以下内容的python指令码，并试着执行看看结果。
#file.py
def foo(x):
return x
在Jupyter Notebook中使用％pastebin生成一个pastebin url。
%matplotlib notebook
函式用于在Jupyter notebook中呈现静态matplotlib图。用notebook替换inline，可以轻松获得可缩放和可调整大小的绘图。但记得这个函式要在汇入matplotlib库之前呼叫。
%run
用％run函式在notebook中执行一个python指令码试试。
%run file.py
%%writefile
%% writefile是将单元格内容写入档案中。以下程式码将指令码写入名为foo.py的档案并储存在当前目录中。
%%latex
%%latex函式将单元格内容以LaTeX形式呈现。此函式对于在单元格中编写数学公式和方程很有用。
查询并解决错误
互动式侦错程式也是一个神奇的功能，我把它单独定义了一类。如果在执行程式码单元时出现异常，请在新行中键入％debug并执行它。 这将开启一个互动式除错环境，它能直接定位到发生异常的位置。还可以检查程式中分配的变数值，并在此处执行操作。退出侦错程式单击q即可。
Printing也有小技巧
如果您想生成美观的资料结构，pprint是首选。它在打印字典资料或JSON资料时特别有用。接下来看一个使用print和pprint来显示输出的示例。
让你的笔记脱颖而出
我们可以在您的Jupyter notebook中使用警示框/注释框来突出显示重要内容或其他需要突出的内容。注释的颜色取决于指定的警报型别。只需在需要突出显示的单元格中新增以下任一程式码或所有程式码即可。
蓝色警示框：资讯提示
Tip: Use blue boxes (alert-info) for tips and notes.
If it’s a note, you don’t have to include the word “Note”.
黄色警示框：警告
Example: Yellow Boxes are generally used to include additional examples or mathematical formulas.
绿色警示框：成功
Use green box only when necessary like to display links to related content.
红色警示框：高危
It is good to avoid red boxes but can be used to alert users to not delete some important part of code etc.
打印单元格所有程式码的输出结果
假如有一个Jupyter Notebook的单元格，其中包含以下程式码行：
In [1]: 10+5
11+6
Out [1]: 17
单元格的正常属性是只打印最后一个输出，而对于其他输出，我们需要新增print()函式。然而通过在notebook顶部新增以下程式码段可以一次打印所有输出。
新增程式码后所有的输出结果就会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
恢复原始设定：
InteractiveShell.ast_node_interactivity = "last_expr"
使用'i'选项执行python指令码
从命令列执行python指令码的典型方法是：python hello.py。但是，如果在执行相同的指令码时新增-i，例如python -i hello.py，就能提供更多优势。接下来看看结果如何。
首先，即使程式结束，python也不会退出直译器。因此，我们可以检查变数的值和程式中定义的函式的正确性。
其次，我们可以轻松地呼叫python侦错程式，因为我们仍然在直译器中：
import pdb
pdb.pm()
这能定位异常发生的位置，然后我们可以处理异常程式码。
自动评论程式码
Ctrl / Cmd + /自动注释单元格中的选定行，再次命中组合将取消注释相同的程式码行。
删除容易恢复难
你有没有意外删除过Jupyter notebook中的单元格？如果答案是肯定的，那么可以掌握这个撤消删除操作的快捷方式。
如果您删除了单元格的内容，可以通过按CTRL / CMD + Z轻松恢复它。
如果需要恢复整个已删除的单元格，请按ESC + Z或EDIT>撤消删除单元格。
结论
在本文中，我列出了使用Python和Jupyter notebook时收集的一些小提示。我相信它们会对你有用，能让你有所收获，从而实现轻松编码！
