社区首页 >专栏 >jupyter notebook中玩转Markdown目录

jupyter notebook中玩转Markdown目录

原创

皮大大

发布于 2022-07-31 15:12:41

1.2K00

代码可运行

文章被收录于专栏：机器学习/数据可视化机器学习/数据可视化

运行总次数：0

代码可运行

作者：Peter 编辑：Peter

大家好，我是Peter~

今天给大家介绍一个Peter日常操作jupyter使用技巧：如何在jupyter notebook中玩转Markdown目录。

基本上在个人jupyter的每个ipynb文件都会使用，最终效果长这个样子：

也可以是长成这个样子：

安装扩展

为了更好地使用，首先必须在电脑上安装扩展插件：

# 安装Jupyter的配置器
pip install jupyter_nbextensions_configurator
# 启动配置器
jupyter nbextensions_configurator enable --user

安装之后启动电脑的notebook，会看到：

1、Nbextensions选项（不安装插件是没有的）

2、进入该功能：勾选3个与Markdown和目录相关的选项

下面是正式的使用说明：我们以plotly可视化中自带的一份tips数据集来说明。最终的目录效果为：

导入数据

In 1:

# 导入库
import pandas as pd
import numpy as np

import plotly_express as px

In 2:

# 导入plotly库自带的tips数据集

df = px.data.tips()
df.head()

数据基本信息

In 3:

df.shape  # 数据shape信息

Out3:

(244, 7)

In 4:

df.dtypes  # 字段类型

Out4:

total_bill    float64
tip           float64
sex            object
smoker         object
day            object
time           object
size            int64
dtype: object

In 5:

df.isnull().sum()   # 缺失值统计

Out5:

total_bill    0
tip           0
sex           0
smoker        0
day           0
time          0
size          0
dtype: int64

In 6:

df.describe()  # 描述统计信息

统计与可视化分析

sex性别统计

In 7:

df1 = df["sex"].value_counts().reset_index()
df1.columns = ["sex", "number"]

df1

Out7:

	sex	number
0	Male	157
1	Female	87

In 8:

# 绘图
fig = px.bar(df1, x="sex", y="number")

fig.show()

top_bill和tip的分布

total_bill分布

In 9:

fig = px.violin(df,y="total_bill",color="day")

fig.show()

tip分布

In 10:

fig = px.box(df,y="tip",color="day")

fig.show()

不同条件下的二者分布

In 11:

fig = px.scatter(df,
                 x="tip",  # 小费
                 y="total_bill",  # 总消费
                 size="total_bill",  # 大小使用total_bill字段信息
                 color="day")


fig.show()

不同sex和smoker下total_bill统计

In 12:

df3 = df.groupby(["sex","smoker"])["total_bill"].sum().reset_index()
df3

Out12:

	sex	smoker	total_bill
0	Female	No	977.68
1	Female	Yes	593.27
2	Male	No	1919.75
3	Male	Yes	1337.07

In 13:

# 可视化

fig = px.bar(df3,
             x="sex",
             y="total_bill",
             color="smoker",
             barmode="group"
            )

fig.show()

不同day、time和sex下的total_bill

In 14:

fig = px.treemap(
    df,  # 传入数据
    path=[px.Constant("all"),"day","time","sex"],  # 重点：传递数据路径
    values="tip"  # 数值显示使用哪个字段
)

fig.update_traces(root_color="lightskyblue")

fig.update_layout(margin=dict(t=30,l=20,r=25,b=30))

fig.show()