数据科学家效率提升必备技巧之Jupyter Notebook篇

选自codeburst

作者：Nok

机器之心编译

参与：黄小天、刘晓坤

本文作者参加过 fast.ai 的深度学习课程，了解到很多适用于一般软件工程的技巧，所以写作本文梳理所学，并共享给大家。

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

你可以在这里找到更多的 Jupyter theme：https://github.com/dunovank/jupyter-themes

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：https://gist.github.com/noklam/a0d020c17ce1715bf1d031b1cb8a9fa4

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：https://www.python.org/dev/peps/pep-0008/

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）

本文为机器之心编译，转载请联系本公众号获得授权。

✄------------------------------------------------