快速提高web數據分析能力的方法有哪些

這篇文章主要介紹“快速提高web數據分析能力的方法有哪些”，在日常操作中，相信很多人在快速提高web數據分析能力的方法有哪些問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”快速提高web數據分析能力的方法有哪些”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

#1: Pandas Profiling

這一工具的優點顯而易見。以下動畫是使用df.profile_report()這一簡單方法的結果。請自行觀看成果展示;

使用此工具只需安裝和導入Pandas Profiling程序包即可。

#2: 使用Cufflinks和Plotly繪制Panda數據

大多所謂的“經驗豐富的”數據科學家或數據分析師都對matplotlib和  pandas的協同非常熟悉。也就是說，他們可以通過使用.plot()函數快速繪制pd.DataFrame或pd.Series圖像。

有點無聊是吧?

現在就好了。如何做一個交互型全景式可縮放的圖像呢?Cufflinks 可以做到!(由 Plotly提供)

在系統中安裝Cufflinks即可! 快速安裝Cufflinks ——在自己最喜歡的終端進行更新即可。可以觀看以下動畫：

好多了!

注意，唯一會改變以上結果的是對Cufflinks輸入并設置cf.go_offline() 函數。其余的只是把.plot()改成.iplot()。

其他像.scatter_matrix()這樣的函數會帶來不錯的可視化圖像：

酷斃了!

希望從事大量數據可視化工作的朋友都看一看有關的Cufflinks和Plotly內容，從中可以找到大量方法!

#3: IPython Magic Commands

IPython 的Magics本質上就是IPython堆疊在Python語法頂端的一系列加強功能。Magic commands有兩種：其一為line  magics，用%作為前綴表示，在一行輸入的代碼上運行;而 cell  magics用%%作為前綴表示，在多行輸入的代碼上運行。以下是Magics的一些實用函數：

%lsmagic: 應有盡有。

不妨先嘗試一些傳統卻好用的方法。如果只記得一條Magic Command，估計就是它了。執行%lsmagic將會出現所有可用的Magic  Commands列表：

%debug: 交互程序調試

這估計是Magic Command使用頻次最高的了。

大多人都試過：程序員執行一個代碼塊，而這個代碼塊一直出錯。絕望中的程序員為了輸出每一變量的內容，寫下20  print()一類代碼。然后當程序員終于修復了問題時，就不得不回過頭刪除所有列出的函數。

然而現在不用了!只需在遇到問題的時候執行%debug，就可以執行任意一部分代碼了：

那么，總結一下以上內容：

1. 有一個函數，它將一個列表作為輸入，并平方所有偶數。

2. 運行函數，某處出現錯誤。但無法找到錯誤。

3. 出錯時把%debug命令標記到函數中。

4. 讓調試程序顯示x以及type(x)的值。

5. 由此找到了錯誤：6被當作了一行字符串!

可以想象，這一命令對更多更復雜的函數都大有用處!

%store: 在notebooks間互傳變量

這個命令也很棒。首先說一說起因。程序員花時間清理了notebook中的一些數據，現在要測試另一notebook中的一些函數，因此既需要在同一notebook中實現函數功能，又要將其放到另一notebook中。用%store只要存儲變量，并在任一notebook中檢索即可：

%store [variable]存儲變量。

%store -r [variable]閱讀/檢索已存儲的變量。

%who: 羅列所有變量。

是否曾將某個值賦到一個變量上但忘了變量名稱?是否不小心刪除了賦值給變量的單元格?有了%who，就可以獲得所有已賦值的變量：

%%time: 魔法定時。

有了這個命令，就可以獲得一切所需的定時信息。只要將%%time應用到任何一段可執行的代碼中，就可以獲得如下輸出：

24微秒。馬馬虎虎吧。

%%writefile: 將單元格內容編輯到文檔。

這是本文的最后一個命令。當已經在notebook中寫了一些復雜的函數或其類別，而想要將其從notebook中分離存到文件中去時，這個命令非常有用。只需為函數或其類別添加前置%%writefile，然后添加文件名儲存即可：

如圖所示，可以直接將創建的函數儲存到 “utils.py”  文件夾中，以任意形式導入函數即可。在其他notebook中也是這樣!(只要都在utils.py文件夾的同一個目錄中)

#4: Jupyter中的絢麗格式

這個非常棒!基本上，Jupyter允許在markdown單元格中設置一些HTML / CSS格式。這是一些常用的：

憂郁而時髦的：

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

熱血而稍顯痛苦的：

<div class="alert alert-block alert-danger">  This is <b>baaaaad</b>!  </div>

青澀而平靜的：

<div class="alert alert-block alert-success">  This is <b>gooood</b>!  </div>

此處為操作動畫：

當要以notebook形式展示成果時，這些命令非常有用!

#5: Jupyter的快捷鍵

學習了鍵盤快捷鍵后，可以使用命令面板：Ctrl + Shift + P。這一操作可以直接喚起notebook中的函數列表。以下為部分基礎命令：

Esc: 使用這一快捷鍵可直接切換到命令模式。這也是用方向鍵在notebook中導航的方式。

處于命令模式時：

• A和B：鍵入新單元格，上移([A]bove)或下移([B]elow)現有單元格。

• M: 將現有單元格markdown( [M]arkdown)。

• Y: 將現有單元格改為代碼。

• D,D：確認刪除 ([D]efinetly [D]eletes)現有單元格。

Enter: 對現有單元格進行返回編輯模式的操作。

處于編輯模式時：

• Shift + Tab：給鍵入現有單元格的目標顯示Docstring (文檔字符串) —— 長按快捷鍵切換文檔模式。

• Ctrl + Shift + -：將現有單元格從光標停留處分離。

• Esc + F：查找替換不含輸出的代碼。

• Esc + O：切換單元格輸出。

選擇多個單元格：

• Shift + Down和Shift + Up: 向下或向上選擇下一個單元格。個人認為可以使用演繹法進行判別。

• Shift + M: 合并選中的單元格。

• 請注意，一旦單元格被選中，則可以批量刪除/復制/粘貼/運行。

#6: Jupyter (或IPython)每一單元格的多種輸出

這個也不錯。是否曾經想顯示pandas數據幀(DataFrame)的the .head()和 the  .tail()?但是卻半途而廢，因為要創建一個額外的代碼單元格去運行.tail() ，這太麻煩了。別再害怕了，現在使用下列代碼可以顯示所有想要的輸出：

from IPython.core.interactiveshell import InteractiveShell

InteractiveShell.ast_node_interactivity = "all"

看，多個輸出的實力在此：

小菜一碟

#7:不斷擴充自己的Jupyter notebook

使用 RISE，就可以將Jupyter  Notebook陸續轉化為幻燈片形式。最棒的是，notebook仍是可用的，所以可以實現文稿演示的同時實時編碼!

根據個人系統環境，通過conda或者pip都可以安裝 RISE以使用該工具：

conda install -c conda-forge rise

/// OR ///

pip install RISE

現在就可以點擊新按鈕從notebook中創建演示文稿了：

到此，關于“快速提高web數據分析能力的方法有哪些”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！