
作者:刘早起
来源:早起Python
如果你想用python进行数据分析,那么Jupyter notebook是你必须要熟练掌握的工具之一,而Notebook也有很多省时好用的小技巧,本文将分享我在使用Notebook时习惯使用的一些操作!
1.在Notebook中安装第三方库
有时我们在进行数据分析的过程中,或者是使用一些在线/远程Notebook,需要临时安装一个第三方库,如果从命令行(甚至没有命令行界面)安装后再重启notebook,那么所有进度都将丢失!
这时我们可以使用!pip install xxx 就可以直接在notebook将第三方库安装到本地,比如安装pyecharts
! pip install pyecharts
其实!就是在notebook中执行shell语句的符号,你也可以使用!来执行! ls等任意命令行代码。
2.在Notebook中使用markdown
以前经常有粉丝让我帮忙给他看代码,发来的.ipynb文件打开后,所有说明性的文字都用#来注释给出,读起来那是一个难受。
其实在Notebook中也可以使用markdown语句,写文字、打公式、贴图片都很轻松,就像上图一样只需要选中目标单元格,然后按下ESC,再按下M即可,也可以在菜单栏将当前单元格转为标签
3.快速计算运行时间
有时候我们需要计算一些函数或过程运行时间,以此来衡量代码的效率,在其他IDE可能需要写个函数或者使用第三方模块来完成,而在Notebook中,提供了便捷的魔法函数
这样我们只要敲几下键盘,就能快速得到代码块的运行时间
4.查看当前变量
当我们的代码越写越多,定义的变量越来越多,有时候就容易忘记曾经起过哪些名字,这时候回去翻代码是痛苦的,而在Notebook中,可以使用%who_ls查看当前定义了多少变量
当然也可以指定变量类型查看,比如查看有哪些变量是字符串
5.一次删除多行
有时候,当我们将别人的代码复制进Notebook后,常常会发生缩进错误
就像上图所示的一样,如果我们手动删除红框中的空白,那将会是很无聊的,需要按很多次退格键,这时我们可以按住option(Win下为Alt)键,此时光标会变成十字形,现在就可以选中目标区域一次性删除
6.直接获取文档
如果我们需要查看某些函数的用法,可能需要通过百度或者查找官方文档,额外打开很多页面来检索,其实在Notebook中可以使用Shift + Tab直接获取该方法的文档
就像上图一样,直接显示pd.merge的用法,一目了然,点开还能查看更详细的解释
7.加载外部文件
还是魔法命令,使用%load 可以直接加载外部文件,比如%load test.py就可以直接在notebook中打开对应文件,省去切换页面-复制粘贴的时间。
直接打开在线文档也是可以的,比如打开Matplotlib官方文档中的示例代码
%load http://matplotlib.org/mpl_examples/pylab_examples/contour_demo.py
8.直接运行Python脚本
上面是直接打开外部文件,那么能不能直接运行?答案是可以的,只要使用%run xxx.py即可在notebook中运行Python脚本并输出结果,以运行当前工作目录下的test.py为例
%run test.py
以上就是我在使用Jupyter Notebook时常用的8个命令,并且使用上述命令无需安装任何插件/外部模块,快去试试吧。
——热门课程推荐:
想学习PYTHON数据分析与金融数字化转型精英训练营,您可以点击>>>“人才转型”了解课程详情;
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10