【Python画图-循环01】一文叫你搭建python画图最优环境配置
 
本次修炼方法请往下查看

🌈 欢迎莅临我的个人主页 👈这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合，智慧小天地！
🎇 免费获取相关内容文档关注：微信公众号，发送 pandas 即可获取
🎇 相关内容视频讲解 B站

🎓 博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。

🔧 技术专长： 在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务，助力多位小伙伴在学习、求职、工作上少走弯路、提高效率，近一年好评率100% 。

📝 博客风采： 积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。

---

🎯 1、Python画图与数据挖掘

  在实际工作中，处理数据挖掘相关的问题时，基本步骤有：数据分析、数据处理、特征分析与提取、模型评价与选择以及模型的融合等步骤组成。如果数据量不是那种大到无法进行画图分析的话，画图分析将是数据挖掘分析与建模中最有用的一种技能，对于数据的探索与特征的提取有着魔法的魅力；
  关于数据分析与挖掘这个岗位，后期对出一篇自己工作后的理解，这里不进行具体叙述。 因此，要成为一名能在数据中找到价值和变现能力的数据分析与挖掘工程师，画图是不可或缺的能力。收集了各路大神使用python进行优雅的画图的方法以及自己的一些总结，故想通过本文展示给大家。

🎯 2、python画图环境

  使用python进行数据分析常用的两个代码工具s’p’yder、jupyter notebook。个人比较喜欢使用jupyter notebook进行数据分析，使用jupyter notebook进行画图分析时，有很多的插件能够帮助我们提升开发的效率，下面介绍jupyter notebook中对数据分析有用的一些插件：
  对于jupyter notebook的使用就不进行介绍了，如果不懂的自行百度学习，安装jupyter notebook后，在cmd下依次运行如下命令即可：

    1: pip install jupyter_contrib_nbextensions  
    2: jupyter contrib nbextension install --user
    3: jupyter notebook password # 设置jupyter notebok的密码
    4： jupyter notebook --generate-config # 生成配置文件，可以对其进行修改

  有时候当我们使用jupyter notebook过程久了回出现控制插件不显示在我们的网页当中，出现这个问题的原因一般都是其相关的依赖包不匹配，具体做法就是将相关的依赖包进行更新即可：

     pip install upgrade jupyter-contrib-nbextensions 
     pip install upgrade jupyter-nbextensions-configurator 

  比较好用的插件：table of contents（目录）， hinterland（代码提示）， snippets menu（代码重复）， split cell notebook（核的并行排版），在插件上将上面这些插件给选上对后续的数据分析有很大的效率提升作用。
  其中qgrid包和autopep8包是比较好用的包， 但是安装时，一定要注意它所依赖的包的版本，如果使用各个包安装完成了，并没有报相关的错误，但是先jupyter notebook上面无法进行显示，可以换一个默认的jupyter notebook浏览器，这里推荐使用chrome，朝天椒使用ie时会出现显示不出来的问题。

     # qgird依赖三个包，pandas， ipywidgets， notebook 
    pip install --upgrade pandas 
    pip install ipywidgets 
    jupyter nbextension enable --py widgetsnbextension 
    pip install qgrid 
    jupyter nbextension enable --py --sys-prefix qgrid 

• qgrid的使用

    from ipywidgets import interact, interact_manual 
    import ipywidgets as widgets 
    import qgrid 
    qgrid.show_grid(df, show_toolbar=True)