Dodawaj, usuwaj i zmieniaj nazwy kolumn w R za pomocą Dplyr
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
W tym samouczku omówimy technologię Python Intellisense i jej instalację autouzupełniania. Python Intellisense zapewnia użytkownikom inteligentne uzupełnianie kodu na podstawie analizy kodu źródłowego i semantyki języka.
Python Intellisense to dobry początek do zapoznania się z natywnymi funkcjami dostępnymi w zależności od konkretnego elementu lub metody, której będziemy używać.
Zacznijmy od dodania kilku dodatkowych komórek do naszego Jupyter Notebook. Możesz to zrobić, wpisując esc+B . Teraz, gdy dodałem więcej komórek, wpiszę nasze zmienne dane. Podczas wpisywania jakichkolwiek liter wyświetlana lista członków jest filtrowana tak, aby zawierała tylko członków zawierających wpisane przez nas znaki.
Wpisując kropkę (.), zobaczysz listę dostępnych funkcji, z których możemy korzystać podczas wpisywania określonego znaku. Funkcję Intellisense można uruchomić, naciskając klawisze Ctrl+Space lub znak wyzwalający, taki jak kropka (.) w dowolnym oknie edytora.
Spis treści
Konfigurowanie Python Intellisense w notatniku Jupyter
Aby skonfigurować funkcję Python IntelliSense w Jupyter Notebook, przejdź do wiersza polecenia. Jeśli już zainstalowałeś Pythona z Anacondą , po prostu użyj zachęty Anacondy. Używamy tego do instalowania pakietów, które chcemy.
Za pomocą monitu Anacondy zainstaluję pakiet o nazwie „ contrib_nbextensions ”. Ten pakiet zawiera rozszerzenie o nazwie Hinterland , które włącza menu autouzupełniania kodu dla każdego naciśnięcia klawisza w komórce kodu zamiast włączania go tylko za pomocą karty w notatniku Jupyter. To rozszerzenie może pomóc nam lepiej zrozumieć funkcje Pythona i zwiększyć wydajność naszego kodowania.
Instalowanie technologii Intellisense i autouzupełniania dla notebooka Jupyter
W naszym monicie Anaconda użyjemy polecenia „ pip install ”, aby zainstalować pakiet, którego szukamy. Następnie wpisz „ jupyter_contrib_nbextensions ” i kliknij Enter.
Po wykonaniu tej czynności będziemy mogli zobaczyć wszystkie różne nbextensions contrib , które są zainstalowane w naszym Jupyter Notebook.
Następnie przejdziemy z powrotem do naszej strony głównej Jupyter Notebook. Następnie kliknij kartę „ Nbextensions ”. Jeśli kiedykolwiek napotkasz problem z ładowaniem strony głównej, możesz po prostu ponownie otworzyć notatnik Jupyter i powinien on być w stanie się załadować.
Początkowo zobaczymy znak zakazu i wykrzyknik po lewej stronie każdego konfigurowalnego nbeextensions , które mamy w naszym Jupyter Notebook.
Znak zakazu wskazuje na niekliknięte lub odinstalowane rozszerzenia contrib nbextension , podczas gdy znak wykrzyknika wskazuje na kliknięte lub zainstalowane rozszerzenia nbextensions contrib .
W lewym górnym rogu zauważysz pole ze znacznikiem wyboru. Uniemożliwia nam to klikanie lub instalowanie któregokolwiek z naszych konfigurowalnych nbeextensions . Po prostu odznacz to pole, abyśmy mogli nawigować i instalować konfigurowalne nbeextensions , które chcemy lub potrzebujemy. Ponieważ musimy zainstalować Intellisense, kliknijmy rozszerzenie Hinterland .
Wróćmy teraz do naszego notatnika Pythona. Gdy wpisujemy znaki w naszej komórce kodu, udostępnianych jest więcej sugestii funkcji. Obejmuje to listę prostych i złożonych elementów, które możemy poznać i przestudiować.
Wniosek
Krótko mówiąc, Python Intellisense pomaga nam redukować lub zapobiegać błędom składniowym lub typograficznym. Umożliwia nam ocenę kodów podczas pisania i użycie kilku naciśnięć klawiszy w celu zaimplementowania pewnych aspektów kodu. Pozwala nam to również na bardziej efektywne pisanie kodu i śledzenie naszych działań w celu zmniejszenia liczby błędów i poprawy dokładności.
Mam nadzieję, że jesteś w stanie zrozumieć, jak działa Python Intellisense i jakie ma znaczenie dla użytkowników przy tworzeniu kodu. Jeśli chcesz dowiedzieć się więcej na ten temat i inne powiązane treści, z pewnością możesz sprawdzić listę odpowiednich linków poniżej.
Wszystkiego najlepszego,
gaelim
Jak załadować przykładowe zestawy danych w Pythonie
Skrypty w języku Python w raportach danych usługi LuckyTemplates
Python I dla użytkowników usługi LuckyTemplates — nowy kurs na platformie edukacyjnej LuckyTemplates
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Odkryj różnorodne funkcje zbierania, które można wykorzystać w Power Automate. Zdobądź praktyczne informacje o funkcjach tablicowych i ich zastosowaniu.
Z tego samouczka dowiesz się, jak ocenić wydajność kodów DAX przy użyciu opcji Uruchom test porównawczy w DAX Studio.
Czym jest self w Pythonie: przykłady z życia wzięte
Dowiesz się, jak zapisywać i ładować obiekty z pliku .rds w R. Ten blog będzie również omawiał sposób importowania obiektów z R do LuckyTemplates.
Z tego samouczka języka kodowania DAX dowiesz się, jak używać funkcji GENERUJ i jak dynamicznie zmieniać tytuł miary.
W tym samouczku omówiono sposób korzystania z techniki wielowątkowych wizualizacji dynamicznych w celu tworzenia szczegółowych informacji na podstawie dynamicznych wizualizacji danych w raportach.
W tym artykule omówię kontekst filtra. Kontekst filtrowania to jeden z głównych tematów, z którym każdy użytkownik usługi LuckyTemplates powinien zapoznać się na początku.
Chcę pokazać, jak usługa online LuckyTemplates Apps może pomóc w zarządzaniu różnymi raportami i spostrzeżeniami generowanymi z różnych źródeł.
Dowiedz się, jak obliczyć zmiany marży zysku przy użyciu technik, takich jak rozgałęzianie miar i łączenie formuł języka DAX w usłudze LuckyTemplates.