强大的Python数据科学技巧有哪些
这篇文章主要介绍“强大的Python数据科学技巧有哪些”，在日常操作中，相信很多人在强大的Python数据科学技巧有哪些问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”强大的Python数据科学技巧有哪些”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：域名注册、雅安服务器托管、营销软件、网站建设、新绛网站维护、网站推广。
1. zip：在Python中合并多个列表
通常我们最终会写出复杂的for循环以将多个列表组合在一起。听起来很熟悉？那么你会喜欢zip函数的。这个zip函数的目的是“创建一个迭代器，从每个iterable中聚合元素”。
让我们通过一个简单的示例来了解如何使用zip函数并组合多个列表：
看到合并多个列表有多容易了吗？
2. gmplot：在Google Maps的数据集中绘制GPS坐标
我喜欢使用Google Maps数据。想想看，它是最丰富的数据应用程序之一。这就是为什么我决定从这个Python技巧开始的原因。
当我们想查看两个变量之间的关系时，使用散点图是非常好的。但是如果变量是一个位置的经纬度坐标，你会使用它们吗？可能不会。最好把这些点标在真实的地图上，这样我们就可以很容易地看到并解决某个特定的问题（比如优化路线）。
gmplot提供了一个令人惊叹的界面，可以生成HTML和JavaScript，将我们想要的所有数据呈现在Google Maps之上。让我们来看一个如何使用gmplot的例子。
安装gmplot
!pip3 install gmplot
在Google地图上绘制位置坐标
让我们导入库并读取数据：
import pandas as pd
import gmplot
data = pd.read_csv('3D_spatial_network.csv')
data.head()
# latitude and longitude list latitude_list = data['LATITUDE'] longitude_list = data['LONGITUDE'] # center co-ordinates of the map gmap = gmplot.GoogleMapPlotter( 56.730876,9.349849,9) # plot the co-ordinates on the google map gmap.scatter( latitude_list, longitude_list, '# FF0000', size = 40, marker = True) # the following code will create the html file view that in your web browser gmap.heatmap(latitude_list, longitude_list) gmap.draw( "mymap.html" )
上面的代码将生成HTML文件，你可以看到Google地图上绘制了纬度和经度坐标。热图以红色显示具有高密度点的区域。很酷吧？
3. category_encoders：使用15种不同的编码方案对分类变量进行编码
我们在早期数据科学数据集中面临的最大障碍之一 —— 我们应该如何处理分类变量？我们的机器眨眼间就可以处理数字，但是处理类别却是一个完全不同的问题。
一些机器学习算法可以自己处理分类变量。但是我们需要将它们转换为数值变量，为此，category_encoders是一个了不起的库，提供了15种不同的编码方案。
让我们看看如何利用这个库。
安装 category-encoders
!pip3 install category-encoders
将分类数据转换为数值数据
import pandas as pd
import category_encoders as ce
# create a Dataframe
data = pd.DataFrame({ 'gender' : ['Male', 'Female', 'Male', 'Female', 'Female'],
'class' : ['A','B','C','D','A'],
'city' : ['Delhi','Gurugram','Delhi','Delhi','Gurugram'] })
data.head()
# One Hot Encoding # create an object of the One Hot Encoder ce_OHE = ce.OneHotEncoder(cols=['gender','city']) # transform the data data = ce_OHE.fit_transform(data) data.head()
category_encoders支持大约15种不同的编码方法，例如：
哈希编码
LeaveOneOut编码
顺序编码
二进制编码
目标编码
所有编码器都与 sklearn-transformers 完全兼容，因此可以轻松地在你现有的脚本中使用它们。另外，category_encoders支持NumPy数组和Pandas数据帧。你可以在此处阅读有关category_encoders的更多信息。
4. progress_apply：监视你花费在数据科学任务上的时间
你通常花费多少时间来清理和预处理数据？数据科学家通常花费60~70％的时间来清理数据这一说法是正确的。对我们来说，追踪这一点很重要，对吗？
我们不想花费数天的时间来清理数据，而忽略其他数据科学步骤。这是progress_apply函数使我们的研究更加轻松的地方。让我演示一下它是如何工作的。
让我们计算所有点到特定点的距离，并查看完成此任务的进度。
import pandas as pd
from tqdm._tqdm_notebook import tqdm_notebook
from pysal.lib.cg import harcdist
tqdm_notebook.pandas()
data = pd.read_csv('3D_spatial_network.csv')
data.head()
# calculate the distance of each data point from # (Latitude, Longitude) = (58.4442, 9.3722) def calculate_distance(x): return harcdist((x['LATITUDE'],x['LONGITUDE']),(58.4442, 9.3722)) data['DISTANCE'] = data.progress_apply(calculate_distance,axis=1)
你会看到跟踪我们的代码进度有多么容易。简单，高效。
5. pandas_profiling：生成数据集的详细报告
我们花了很多时间来理解我们得到的数据。这很公平——我们不想在不了解我们正在使用的模型的情况下直接跳入模型构建。这是任何数据科学项目中必不可少的步骤。
pandas_profiling是一个Python软件包，可减少执行初始数据分析步骤所需的大量工作。该软件包只需一行代码即可生成有关我们数据的详细报告！
import pandas as pd
import pandas_profiling
# read the dataset
data = pd.read_csv('add-your-data-here')
pandas_profiling.ProfileReport(data)我们可以看到，仅用一行代码，就得到了数据集的详细报告：
警告，例如： Item_Identifier具有高基数：1559个不同的值警告
所有类别变量的频率计数
数字变量的分位数和描述统计
相关图
6. grouper：对时间序列数据进行分组
现在谁不熟悉Pandas？它是最流行的Python库之一，广泛用于数据操作和分析。我们知道Pandas有惊人的能力来操纵和总结数据。
我最近在研究一个时间序列问题，发现Pandas有一个我以前从未使用过的 Grouper 函数。我开始对它的使用感到好奇。
事实证明，这个Grouper函数对于时间序列数据分析是一个非常重要的函数。让我们试试这个，看看它是如何工作的。你可以在这里下载此代码的数据集。
import pandas as pd
data = pd.read_excel('sales-data.xlsx')
data.head()
现在，处理任何时间序列数据的第一步是将date列转换为DateTime格式：
data['date'] = pd.to_datetime(data['date'])
假设我们的目标是查看每个客户的每月销售额。我们大多数人都在这里尝试写一些复杂的东西。但这是Pandas对我们来说更有用的地方。
data.set_index('date').groupby('name')["ext price"].resample("M").sum()
我们可以通过groupby语法使用一种简单的方法，而不必再进行重新索引。我们将为这个函数添加一些额外的内容，提供一些关于如何在date列中对数据分组的信息。它看起来更干净，工作原理完全相同：
data.groupby(['name', pd.Grouper(key='date', freq='M')])['ext price'].sum()
7. unstack：将索引转换为Dataframe的列
我们刚刚看到了grouper如何帮助对时间序列数据进行分组。现在，这里有一个挑战——如果我们想将name列（在上面的示例中是索引）作为dataframe的列呢。
这就是unstack函数变得至关重要的地方。让我们对上面的代码示例应用unstack函数并查看结果。
data.groupby(['name', pd.Grouper(key='date', freq='M')])['ext price'].sum().unstack()
非常有用！注意：如果索引不是MultiIndex，则输出将是Series。
8.％matplotlib Notebook：Jupyter Notebook中的交互式绘图
我是matplotlib库的超级粉丝。它是我们在Jupyter Notebook中用来生成各种图形的最常见的可视化库。
要查看这些绘图，我们通常在导入matplotlib库时使用一行——%matplotlib inline。这很好用，它呈现了Jupyter Notebook中的静态图。
只需将行 %matplotlib替换为 %matplotlib notebook，就可以看到神奇的效果了。你将在你的 Notebook得到可调整大小和可缩放的绘图！
%matplotlib notebook import matplotlib.pyplot as plt # scatter plot of some data # try this on your dataset plt.scatter(data['quantity'],data['unit price'])
只需更改一个字，我们就可以获取交互式绘图，从而可以在绘图中调整大小和缩放。
9. %% time：检查特定Python代码块的运行时间
解决一个问题可以有多种方法。作为数据科学家，我们对此非常了解。计算成本在行业中至关重要，尤其是对于中小型组织而言。你可能希望选择最好的方法，以在最短的时间内完成任务。
实际上，在Jupyter Notebook中检查特定代码块的运行时间非常容易。
只需添加%% time命令来检查特定单元格的运行时间：
%%time def myfunction(x) : for i in range(1,100000,1) : i=i+1
在这里，我们有CPU时间和Wall时间。CPU时间是CPU专用于某个进程的总执行时间或运行时间。Wall时间是指时钟从流程开始到“现在”之间经过的时间。
10：rpy2：R和Python在同一个Jupyter Notebook中！
R和Python是数据科学世界中最好的和最受欢迎的两种开源编程语言。R主要用于统计分析，而Python提供了一个简单的接口，可将数学解决方案转换为代码。
这是个好消息，我们可以在一个Jupyter Notebook中同时使用它们！我们可以利用这两个生态系统，为此，我们只需要安装rpy2。
因此，现在暂时搁置R与Python的争论，并在我们的Jupyter Notebook中绘制ggplot级图表。
!pip3 install rpy2
我们可以同时使用两种语言，甚至可以在它们之间传递变量。
%load_ext rpy2.ipython %R require(ggplot2)
import pandas as pd
df = pd.DataFrame({
'Class': ['A', 'A', 'A', 'V', 'V', 'A', 'A', 'A'],
'X': [4, 3, 5, 2, 1, 7, 7, 5],
'Y': [0, 4, 3, 6, 7, 10, 11, 9],
'Z': [1, 2, 3, 1, 2, 3, 1, 2]
})%%R -i df ggplot(data = df) + geom_point(aes(x = X, y= Y, color = Class, size = Z))
在这里，我们用Python 创建了一个数据框df，并使用它创建了一个使用R的ggplot2库（geom_point函数）的散点图。
到此，关于“强大的Python数据科学技巧有哪些”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！
分享题目：强大的Python数据科学技巧有哪些
文章出自：http://scjbc.cn/article/iiichs.html
