Requisito previo: Primeros pasos con Jupyter Notebook
Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Lo que hace que el análisis de datos en Python sea más eficiente y productivo es el cuaderno Jupyter o anteriormente conocido como cuaderno IPython.
En esta publicación, analizaremos algunas características interesantes del cuaderno Jupyter que aumentan la productividad y la eficiencia del analista de datos. El cuaderno Jupyter amplía el enfoque basado en consola para la computación interactiva en una dirección cualitativamente nueva, proporcionando una aplicación basada en web adecuada para capturar todo el proceso de computación: desarrollar, documentar y ejecutar código, así como comunicar los resultados. En pocas palabras, es un paquete completo.
Veamos algunas características del cuaderno Jupyter que resulta muy útil al realizar análisis de datos.
%%timeit
y %%time
:
No es raro que un científico de datos tenga más de una solución para el problema dado mientras realiza el análisis de datos. Quieren elegir el mejor enfoque que complete la tarea en la mínima cantidad de tiempo. Jupyter notebook proporciona una forma muy eficiente de verificar el tiempo de ejecución de un bloque de código en particular.
podemos usar el %%time
comando para verificar el tiempo de ejecución de una celda en particular. Por ejemplo, veamos el tiempo que lleva ejecutar el código mencionado a continuación.
# For capturing the execution time %%time # Find the squares of a number in the # range from 0 to 14 for x in range(15): square = x**2 print(square)
Salida:
también podemos usar el comando %%timeit
para ejecutar el fragmento de código dado varias veces para encontrar el tiempo de ejecución promedio para esa pieza de código.
Comentar/Descomentar un bloque de código:
Mientras trabajamos con códigos, a menudo agregamos nuevas líneas de código y comentamos las piezas de código antiguas para mejorar el rendimiento o para depurarlo. Jupyter notebook proporciona una forma muy eficiente de lograr lo mismo.
Para comentar un bloque de código:
Primero, debemos seleccionar todas aquellas líneas que queremos comentar.
A continuación, en una computadora con Windows, debemos presionar la ctrl + /
combinación de teclas para comentar la parte resaltada del código.
Esto ahorra mucho tiempo al analista de datos.
Para descomentar un bloque de código comentado:
Los pasos son los mismos para descomentar un bloque de código. Primero, resaltamos la región comentada del código.
A continuación, en una computadora con Windows, debemos presionar la combinación de teclas para comentar la parte resaltada del código. ctrl + /
Publicación traducida automáticamente
Artículo escrito por Shubham__Ranjan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA