用pandas处理数据时,使变量能够在不同的Notebook会话页面进行传递,魔法命令%store

【需求来源】

在使用pandas时,有的时候我想将.ipynb文件分开写

  • 其中一个写清洗数据代码
  • 另外一个写数据可视化代码

【解决方案】

但是会涉及到变量转移问题,这个时候我通常使用的方法是:

1、在清洗完数据后导出到本地

2、在文件后面增加当前时间戳

3、使用%store魔法命令保存这个时间变量

4、然后去数据可视化的.ipynb文件读取这个带有时间变量的文件名

【代码实现】

Notebook1: 清洗数据.ipynb

python 复制代码
import datetime
****处******理*****
****过******程*****
****代******码*****

# 获取当前时间
now_time = datetime.datetime.now().strftime('%Y-%m-%d %H-%M')

# 导出文件至本地,同时带时间后缀
df.to_excel(f'./全球数据{now_time}.xlsx',index=False)

# 同步保存变量,准备给文件2使用
%store now_time

Notebook2:数据可视化.ipynb

python 复制代码
import pandas as pd
import matplotlib.pyplot as plt

# 读取文件1的变量
%store -r now_time

# 通过文件路径,读取文件
df = pd.read_excel(f'./全球数据{now_time}.xlsx')

'下面就可以放肆的在文件2画图了,在画图的时候记得提前运行一下代码解决中文和负号影响的问题'

plt.rcParams['font.sans-serif']='Microsoft YaHei'# 显示中文
plt.rcParams['axes.unicode_minus'] = False # 消除中文负号影响
plt.rcParams['font.size'] = 8

【方法优化】来源于ChatGPT给出的解决方案

使用%store命令来存储变量会保持到你关闭当前的Jupyter Notebook会话为止。一旦关闭了Notebook ,存储的变量将会被释放 ,除非你再次打开Notebook并使用%store命令来恢复它们。

如果你希望将变量持久化保存,以便在不同的Notebook会话之间都能访问到,你可以考虑将变量存储在文件中,然后在需要的时候从文件中读取。这种方式可以长期保存变量的值。例如:

python 复制代码
# 将变量保存到文件中
with open('my_variable.txt', 'w') as file:
    file.write(str(my_variable))

# 从文件中读取变量的值
with open('my_variable.txt', 'r') as file:
    my_variable = file.read()

这样做可以在不同的Notebook会话之间保持变量的值。不过要确保你保存的文件路径是可访问的,并且注意保护敏感数据。

相关推荐
七灵微2 小时前
【AI】代码实战- 基于时间序列的轴承检测1
人工智能·机器学习·ai·pandas·matplotlib
2601_9669496518 小时前
为什么量化策略需要大量历史股票数据?从回测可信度理解数据规模
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
2601_966949651 天前
从轮询到策略消费:量化系统如何高效处理五档盘口数据
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
weixin199701080162 天前
[特殊字符]《跨境二手ERP对接Back Market:标准化API + 7~10工作日技术合规审核实录》(附Python源码)
开发语言·python·pandas
2601_966949653 天前
批量 K 线不只是提速:因子研究中的数据质量、复权与回测偏差
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
liliangcsdn4 天前
IC计算-前向/远期收益计算和代码示例
开发语言·python·pandas
2601_966949655 天前
批量获取多只股票五档盘口的极简方案:QuantDash Python SDK 实战指南
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
2601_962295996 天前
湖南码界领航教育科技有限公司:Python数据分析进阶,统计与可视化
numpy·pandas·统计·数据可视化·python数据分析
yanweijie03176 天前
Pandas 增删改查超全实战(附可运行源码)
pandas
benchmark_cc8 天前
REST API 和 Python SDK 应该怎么选?量化交易数据接口选型实战
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash