记得在几年前,那时候我还不怎么使用 vscode 编写 python,由于项目大多是数据处理相关,因此更多使用 jupyter notebook 。那写代码的体验感,用 "磕磕绊绊" 形容就再适合不过。
在使用jupyter notebook时,如果想改中间的内容,但有时你会发现后面的内容就没有了,不见了,
本系列介绍了许多类比 Excel 的 pandas 操作,确实他们都能很好对应起来,这是因为 pandas 本身是以行列表作为核心概念,比如说 Excel 中的透视表,在 pandas 中就有一一对应,本系列已经讲解过。
2.当更改自己的模块的内容后,要Restart内核,才能反映到使用该模块的.ipynb文件中。
这是我的系列文章「Python实用秘技」的第2期,本系列立足于笔者日常工作中使用Python辅助办公的心得体会,每一期为大家带来一个3分钟即可学会的简单小技巧。
Python是一种强大的编程语言,广泛用于数据分析、Web开发、自动化脚本等各种领域。对于许多开发人员和数据科学家来说,Python终端是他们日常工作的重要工具。本文将介绍一些Python终端的优化技巧,帮助您更高效地使用这个强大的工具。
数据对于当今的每个行业都很重要,几乎每家公司都在收集数据并使用它们来做出数据驱动的业务决策。在这个过程中最重要的步骤之一是分析数据。有许多专门用于数据可视化的 python 库。例如 Matplotlib、Seaborn 等,但是他们只提供了图标的功能,如果我们需要进行EDA则需要手动编写代码。在本文中将介绍3个工具,这些工具可以使我们的探索性数据分析几乎自动化。
不得不说,Jupyter对于表的处理真的是越来越方便了,很多库可以直接实现可视化操作,无需写代码。但是这还不够,最近看到一个神器叫Mito,它真的是做到了无需写一行代码,而且手动的操作可以自动转换为代码,供后续批量化操作,这简直不要太爽。
来源:DeepHub IMBA本文约1000字,建议阅读5分钟本文简单的介绍 3 个非常好用的的数据可视化和分析工具。 数据对于当今的每个行业都很重要,几乎每家公司都在收集数据并使用它们来做出数据驱动的业务决策。在这个过程中最重要的步骤之一是分析数据。有许多专门用于数据可视化的 python 库。例如 Matplotlib、Seaborn 等,但是他们只提供了图标的功能,如果我们需要进行EDA则需要手动编写代码。在本文中将介绍3个工具,这些工具可以使我们的探索性数据分析几乎自动化。 1、pandas_pro
在数据科学和机器学习领域,数据处理和分析是至关重要的一环。Pandas库是Python中最强大、灵活且广泛使用的数据处理库之一。本教程将详细介绍Pandas库的各个方面,从基本的数据结构到高级的数据操作,帮助读者更好地理解和利用这一工具。
你对 Jupyter Notebook 了解多少?本文介绍了一些自定义功能,帮助你使用 Jupyter notebook 更高效地写代码。
它广泛用于数据科学、工程和科学研究,被认为是 Python 最受欢迎的数据可视化库之一。Matplotlib是开源的,并且正在积极开发,拥有庞大的用户和贡献者社区,他们提供支持和维护库。
Jupyter Notebook 是所有开发者共享工作的神器,它为共享 Notebooks 提供了一种便捷方式:结合文本、代码和图更快捷地将信息传达给受众。目前,Jupyter Notebook 已经应用于数据分析和数据科学等领域。
随着各种大语言模型(LLM)的涌现和 AI 技术变得越来越普遍,大家对于向量数据库的需求也变得越来越多。作为大模型的记忆体,向量数据库不仅可以帮助解决 LLM 面临的最大问题——缺乏特定领域知识和最新数据,还可以赋能相似性搜索应用,如产品推荐、以图搜图、文本语义搜索等。
PySpark是一种适合在大规模数据上做探索性分析,机器学习模型和ETL工作的优秀语言。若是你熟悉了Python语言和pandas库,PySpark适合你进一步学习和使用,你可以用它来做大数据分析和建模。
很多同学抱怨自己很想学好Python,但学了好久,书也买不少,视频课程也看了不少,但是总是学了一段时间,感觉还是没什么收获,碰到问题没思路,有思路写不出多少行代码,遇到报错时也不知道怎么处理。
Medium上一位作者完成了一项全周期数据科学项目,从爬取数据到可视化全部都有,下面是作者记录的整个过程和自己的心得,大家一起来学习一下吧~
使用Python做数据相关工作,不能不提 JupyterNotebook 这个强大的工具,网络上其实挺多相关的资料,只是相对而言比较分散,有些技巧可能对于初学者不太有用。
许多用 Python 做数据工作的小伙伴很喜欢 jupyter notebook 环境,因为它可以分块执行:
翻译:张睿毅 校对:吴金笛 本文约1500字,建议阅读5分钟。 本文为你介绍了构建数据科学项目中重要的思维能力及训练建议。 Joseph Barrientos 拍照于 Unsplash (链接:ht
本文的目标读者是像我这样没有软件工程师背景的数据科学家和机器学习(ML)从业者,而非经验丰富的软件工程师。
原题 | Tutorial: Advanced Jupyter Notebooks
给大家准备了一份已经写好的代码,利用python+opencv+openpyxl,opencv实现读取图片像素颜色,然后openpyxl自动填充Excel表格对应单元格背景颜色,得到一副Excel填充图画。文末代码下载链接。
我们之前使用的比如print(),就是Python为我们提供好的内建函数,但是你也可以自己创建函数,而这种函数呢,我们将之称为自定义函数。
实习生问:我咋看见你经常用Anaconda的jupyter notebook写python代码,为啥不用PyCharm呢? … 对于我个人而言现在主要的工作是数据分析,挖掘,直接下载Anaconda安装后,就可以启动jupyter notebook,写代码也感觉比较方便,尤其是PyCharm的启动和运行很笨重 但是之前用Django以及爬虫项目的时候,PyCharm优势就非常明显了
JuPyteR是三大编程语言Julia、Python 和 R 的缩写,即可以在 Jupyter NoteBook (JNB) 里面编写这三种语言,除此之外,JNB 还支持轻量级别标记语言(Markdown)的功能。本帖结合 Python 语言来介绍 JNB 里面的玩法。
加载完成后“%load F:\pythonCode\range.py”会变成注释,而文件内容会显示在cell中。
最新版Web3.py[2] (v5.29.0) 支持外部模块!利用外部模块,可以自定义函数或将第三方插件导入 Web3 实例。这个功能可能是 web3.py 集成一次性的非标准的 JSON-RPC 方法或者整个 L2 API 的一种优雅的方法。
经常给大家推荐好用的数据分析工具,也收到了铁子们的各种好评。这次也不例外,我要再推荐一个,而且是个爆款神器。
Visual Studio Code 是一个流行的代码编辑器,它支持多种编程语言,包括 Python 和 Jupyter Notebook。为了让您更好地使用这些语言,Visual Studio Code 提供了一些扩展,可以增强您的编码体验和效率。本文将介绍 2023 年 6 月版 Visual Studio Code 的 Python 和 Jupyter 扩展的最新改进,包括:
✅作者简介:人工智能专业本科在读,喜欢计算机与编程,写博客记录自己的学习历程。 🍎个人主页:小嗷犬的博客 🍊个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。 🥭本文内容:jupyter notebook 主题自定义 ---- jupyter notebook 主题自定义 1.jupyterthemes 的安装 2.jupyterthemes 内容与用法 2.1 JT Customizable Features(可自定义的部分) 2.1.1 plotting style 2.1.2
IPython Shell:功能强大的交互式shell $ipython
今天就公开啦:Jupyter Notebook,没有Pycharm,没有Vscode,没有Sublime text。只有Jupyter Notebook。从2019年至今,使用了两年半多的时间,今天就好好聊聊它~
数据库技术,泛指熟练使用SQL技术,不仅是各种关系型数据库的SQL,还有各种大数据平台的SQL,例如Hive-SQL、Spark-SQL等。 对于SQL技术这块,我们重点要掌握增删改查的四种操作,以及与编程语言的交互。 通过SQL技术,我们可以有效完成如下工作:
五月份TIOBE编程语言排行榜,Python追上Java又回到第二的位置。Python如此受欢迎一方面得益于它崇尚简洁的编程哲学,另一方面是因为强大的第三方库生态。
可能标题取得太像是恰饭的了,都没有几个人来阅读,所以今天小编就打算稍微中规中矩一些,写一篇技术类的干货文章。
主要内容:如何安装,运行和使用IPython进行交互式 matplotlib 绘图,数据分析,还有发布代码。
摘要总结:本文介绍了基于Plotly的Web可视化框架的应用和代码示例,包括折线图、散点图、箱线图、热力图、条形图、瀑布流、地图、交互式图表等。此外,还介绍了如何利用Python的Numpy和Pandas库进行数据处理和分析,以及如何通过Python的Plotly库创建交互式图表。本文还介绍了如何将Plotly嵌入到Web应用程序中,并分享了多个Python代码示例和Jupyter Notebook页面。
kepler.gl由大名鼎鼎的独角兽公司 Uber 团队开发,现已开源。库直接集成到了 Jupyter Notebook 中,非常方便使用。
之前在处理数据的时候,最开始都是在excel里处理,后来当数据量上了一个级别后就用python导入excel文件接着处理了
领取专属 10元无门槛券
手把手带您无忧上云