稳定输出加速开发：数据科学项目开始时应该包括的7个设置

最新推荐文章于 2023-04-02 11:49:38 发布

「已注销」

最新推荐文章于 2023-04-02 11:49:38 发布

阅读量386

点赞数 1

分类专栏：热点文章 AI 文章标签：大数据

本文链接：https://blog.csdn.net/duxinshuxiaobian/article/details/107961808

版权

本文介绍了在Juypter Notebook中启动数据科学项目时的7个重要设置，包括确认Python和库版本、提高图像清晰度、保持输出稳定性、多单元输出、自动保存图片、下载和解压数据等，旨在提升开发效率和结果一致性。

摘要由CSDN通过智能技术生成

全文共4659字，预计学习时长12分钟

稳定输出加速开发：数据科学项目开始时应该包括的7个设置

图源：unsplash

在开始一项数据科学项目时，我们通常需要进行设置或配置，以确保所需的依赖关系，保持输出稳定，准备通用函数。

稳定输出加速开发：数据科学项目开始时应该包括的7个设置

项目设置的一个案例（来自Handson-ML2）

本文将介绍JuypterNotebook中最有帮助的一些项目设置。

1.确保Python版本

检查JupyterNotebook中的Python解释器版本：

import sys
sys.version'3.7.6 (default, Jan 8 2020, 13:42:34) \n[Clang 4.0.1 (tags/RELEASE_401/final)]'

为确保项目由Python解释器的最低及以上要求版本运行，可在项目设置中添加以下代码：

# Python ≥3.7 is required
import sys
assert sys.version_info >= (3, 7)

Python需要为3.7及以上版本，否则会抛出AssertionError。

2.确保程序包版本

检查安装的程序包版本，如TensorFlow。

import tensorflow as tf
tf.__version__'2.0.0'

确保项目是由TensorFlow2.0及以上版本运行的，否则会抛出AssertionError。

# TensorFlow ≥2.0 is required
import tensorflow as tf
assert tf.__version__ >= "2.0"

3.避免绘制模糊图像

JuypterNotebook中的默认绘图看起来有些模糊。例如，一张查找缺失值的简单热图。（https://towardsdatascience.com/using-pandas-pipe-function-to-improve-code-readability-96d66abfaf8）

import seaborn as sns
i

关注

专栏目录