数据科学家效率提升必备技巧之Jupyter Notebook篇

1. Jupyter Notebook 扩展 标准的 Jupyter Notebook 很不错，但还有更多的扩展，其中集成了大量的函数。 安装 Jupyter 扩展包 # Install Jupyterextension package pip install jupyter_contrib_nbextensions jupyter contrib nbextension install—user # Install configurator pip install jupyter_nbextensions_configurator # Install theme pip install jupyterthemes ## Change theme (This is my default) ''' Note that you need to use 1 command to configure the setting, if you do 2 jt command, the second one will replace the first one. ''' jt -t grade3 -T 你可以在这里找到更多的 Jupyter theme：http://ift.tt/1HJoqQn 在安装了 Configurator 之后，你可以看到一个新的「Nbextensions」标签。将这几项打钩。 1. Autopep8 2. Collapsible Headings 3. Gist-it A. Collapsible Headings 现在，你可以将 notebook 里的长代码折叠，而不用再辛苦地滚动浏览。根据我的经验，当进行探索性数据分析和画图表的时候，我需要写很长的代码，经常需要滚动查询很久才能找到我想查看的代码。现在你可以自由选择将代码折叠或展开。并且我认为你甚至可以做一个目录（我尚未尝试这种扩展）。 B. Gist-it 你可以看到上图位置中小小的 GitHub 图标，只需要点击它，就能发表你的 Gist。 Gist 是一个可分享 notebook 的地方，你可以在里面分享你遇到的 bug 和其它技术难题。 其默认发表的是匿名 Gist，如果你想要用你的 GitHub 账号发表，需要生成身份验证的标记。两者的主要区别在于，当你用自己的账号发表时，可以对你的 Gist 进行编辑。 这是我为这篇文章写的 notebook：http://ift.tt/2E7KSto C. Autopep8 你可以用这个按钮或快捷键，up to you！使用这个按钮可以帮你写入所有的空格。PEP 8 是 Python 代码的风格设计指南。PEP 8：http://ift.tt/1AIyAPL 2. 为你的任务计时 我通常会在执行循环命令之前声明开始时间，然后用结束时间减去它以得到运行时间。这没问题，但其实可以更简单。使用内建的魔术命令（magic command）。它们可能看起来很不自然，但很好用（魔术命令以% 起始）。 以一个简单的函数为例，它计算的是小于 n 的最后一个斐波那契数。 你可以使用%time 为单次运行计时，或用%timeit 进行多次计时，然后得到平均值和标准差。因此这对于简单的函数很有用。那对于调用其它函数的函数，情况如何呢？ 你可以使用%prun，我创建了一个哑函数（dummy function），可以多次调用 fib1()。你可以看到该循环过程大多数时间消耗在 fib1() 上。 3. Cython Cython 是一个工具包，可以使你在 Python 中编译 C 语言，这就是为什么 numpy 和 pandas 很快的原因。确保你已安装 Cython： pip install cython 你可以不改变任何代码而获得双倍的性能。这很棒，但一点也不惊奇。 如果你稍微改变脚本，看看你可以获得什么。如果你有 C 语言编程经验，你很可能知道当我们声明一个变量时，我们需要定义一个数据类型。脚本确实改变了一些，因为像这样的操作对 Python 来说是唯一的，C 语言并不具备这样的功能。因为我们需要分配一个临时变量以存储这个值。 a,b = b,a （感谢 James Martini 之前指出了 fib3 中的一些错误） 从 582 ns 到 48 ns，快了 10 倍，实际上你并不需要改变太多脚本。我感到很兴奋，因为大多数时间慢代码对你来说是 okay 的。你真正关心的是一次又一次被调用的代码。通过%prun 和一些 Cython 代码，你可以获得 C 语言的运行速度而无需编译任何文件。 除了魔术命令，我发现 Jupyter 之中的 shell 命令也很有帮助。（魔术命令以% 开始，shell 命令以! 开始） 原文链接：https://codeburst.io/jupyter-notebook-tricks-for-data-science-that-enhance-your-efficiency-95f98d3adee4 ]]> 原文： http://ift.tt/2Be3MA8 机器知心