原创 如何有效提升数据分析效率？五大Python技巧

如何有效提升数据分析效率？相信这是所有数据分析工作者都想解决的问题。本文整理了五大Python技巧，分别是Pandas Profiling；使用 Cufflinks 和 Plotly 绘制 Pandas 数据；IPython 魔术命令；Jupyter 中的格式编排；Jupyter 快捷键。相信这些技巧能很好地帮助大家提高数据分析的效率，下面赶紧来看看吧！

1. Pandas Profiling

该工具效果明显。下图展示了调用 df.profile_report() 这一简单方法的结果：

使用该工具只需安装和导入 Pandas Profiling 包。

2. 使用 Cufflinks 和 Plotly 绘制 Pandas 数据

经验丰富的数据科学家或数据分析师大多对 matplotlib 和 pandas 很熟悉。也就是说，你只需调用 .plot() 方法，即可快速绘制简单的 pd.DataFrame 或 pd.Series。

这已经很好了，不过是否可以绘制一个交互式、可缩放、可扩展的全景图呢？是时候让 Cufflinks* *出马了！（Cufflinks 基于 Plotly 做了进一步的包装。）在环境中安装 Cufflinks，只需在终端中运行! pip install cufflinks --upgrade 即可。其他方法如 .scatter_matrix() 也可以提供非常棒的可视化结果。

3. IPython 魔术命令

IPython 的「魔术」是 IPython 基于 Python 标准语法的一系列提升。魔术命令包括两种方法：行魔术命令（line magics）：以 % 为前缀，在单个输入行上运行；单元格魔术命令（cell magics）：以 %% 为前缀，在多个输入行上运行。下面列举了 IPython 魔术命令提供的一些有用功能：

%lsmagic：找出全部命令

如果你只记得一个魔术命令，那必须得是这一个。执行 %lsmagic 命令将提供所有可用魔术命令的列表。%debug：交互式 debug是最常使用的魔术命令了。大部分数据科学家都遇到过这种情况：执行的代码块一直 break，你绝望地写了 20 个 print() 语句，想输出每个变量的内容。然后，当你最终修复问题后，你还得返回并再次删除所有 print() 语句。不过以后再也不用这样了。遇到问题后只需执行 %debug 命令，即可执行想要运行的任意代码部分。

%store：在 notebook 之间传递变量

这个命令也很酷。假设你花了一些时间清洗 notebook 中的数据，现在你想在另一个 notebook 中测试一些功能，那么你是在同一个 notebook 中实现该功能，还是保存数据并在另一个 notebook 中加载数据呢？使用%store 命令后，这些操作都不需要！该命令将存储变量，你可以在其他任意 notebook 中检索该变量：%store [variable] 存储变量；%store -r [variable] 读取/检索存储变量。

%who：列出所有全局变量。

你是否遇到过，为变量赋值后却忘记变量名的情况？或者不小心删掉了负责为变量赋值的单元格？使用%who 命令，你可以得到所有全局变量的列表。

%%time：计时魔法命令

使用该命令可以获取所有计时信息。只需对任意可执行代码应用%%time 命令。

%%writefile：向文件写入单元格内容

在 notebook 中写复杂函数或类，且想将其保存到专属文件中时，该魔法命令非常有用。只需为函数或类的单元格添加 %%writefile 前缀和想要保存到的文件名即可。我们可以将创建的函数保存到 utils.py 文件中，然后就可以随意导入了。在其他 notebook 中也可以这样，只要与 utils.py 文件属于同一个目录即可。

4. Jupyter 中的格式编排

这个工具很酷！Jupyter 考虑到 markdown 中存在 HTML / CSS 格式。

蓝色、时尚：<div class="alert alert-block alert-info"> This is <b>fancy</b>!</div>

红色、轻微慌张：

<div class="alert alert-block alert-danger">

This is <b>baaaaad</b>!

</div>

绿色、平静：

<div class="alert alert-block alert-success">

This is <b>gooood</b>!

</div>

5. Jupyter 快捷键

想了解和学习键盘快捷键，你可以使用命令面板：Ctrl + Shift + P，获取 notebook 所有功能的列表。下面选取了几个最基础的命令：

Esc：进入命令模式。在命令模式内，你可以使用方向键在 notebook 内进行导航。

在命令模式内：

A 和 B：在当前单元格上方（Above）或下方（Below）插入新的单元格。

M：当前单元格转入 Markdown 状态。

Y：当前单元格转入 code 状态。

D,D：删除当前单元格。

Enter：当前单元格回到编辑模式。

在编辑模式内：

Shift + Tab：为你在当前单元格中键入的对象提供文档字符串（文档），持续使用该快捷键，可循环使用文档模式。

Ctrl + Shift + -：在光标所在处分割当前单元格。

Esc + F：查找并替换代码（不包括输出）。

Esc + O：切换单元格输出。

选择多个单元格：

Shift + Down 和 Shift + Up：选中下方或上方的单元格。

Shift + M：合并选中单元格。

注意，选中多个单元格后，你可以批量执行删除/复制/剪切/粘贴/运行操作。

以上就是有效提升数据分析效率的五大Python技巧，大家都学会了吗？觉得本文对你有帮助的话，不妨把文章分享出去帮助更多的人。