建模步骤 3 ：数据探索(EDA) — 1、初步了解数据：自定义函数

👏

1、自定义函数概述
--（1）title()
--（2）df_table(df)
--（3）df_style(df)
--（4）des_table(df)
--（5）des_chart(df)

1、自定义函数概述

尝试自己创建一个名为 my_package 模块，该模块中存放一些自定义的数据分析函数，可以重复调用。如下图在当前目录下，创建一个名为 my_package 的文件夹，在该文件夹下面创建一个名为 __pycache__ 的子文件夹；然后创建两个 python 模块（View.py，DEA.py）；接着在这两个模块中定义函数。

👏

具体函数如下：

函数	解释	存放模块
`title('')`	显示一个标题	`View.py`
`df_table(df)`	用表格的方式展示数据框	`View.py`
`df_style(df)`	为数据框添加边框或热力图	`View.py`
`des_table(df)`	数据框概要表	`DEA.py`
`des_chart(df)`	数据框每个特征分布可视化	`DEA.py`
......

上表是我在初步了解数据过程中的几个自定义的函数，主要是将上一篇文章中的常用函数组合在一起使用。

（1）title()

custom 复制代码

# 导入库里面的模块，然后调用函数
from my_package import View

View.title('Good')
View.title('Good', style="#512b58")
View.title('Good', style="bold #fe346e")
View.title('Good', count=80)

（2）df_table(df)

custom 复制代码

import numpy as np
import pandas as pd

df = pd.DataFrame(
    np.random.randn(4, 6)
    , columns=list("ABCDEF")
    )

df

custom 复制代码

from my_package import View

# 参数 tablefmt 参考 tabulate 库
# 可能对中文支持不是很友好
print('\n')
View.df_table(df)
View.df_table(df, tablefmt="psql")
View.df_table(df, tablefmt="rounded_grid")

（3）df_style(df)

custom 复制代码

from my_package import View
View.df_style(df, background=True)

custom 复制代码

from my_package import View
View.df_style(df, background=False)

（4）des_table(df)

custom 复制代码

import os
file = os.path.join('datasets','titanic','train.csv')


import pandas as pd
df = pd.read_csv(file)
df.head()

custom 复制代码

from my_package import DEA

DEA.des_table(df)

（5）des_chart(df)

custom 复制代码

from my_package import DEA

DEA.des_chart(df)

👏

总结： 以上是我在初步了解数据过程中的几个自定义的函数，主要是将上一篇文章中的常用函数组合在一起使用。并且，尝试创建了一个简单的库来存储，方便重复执行。更多的 pandas 函数可以查看 pandas 函数

以上函数代码存放位置：
https://gitee.com/wwj2011125/my-package，
Python 中的变量、函数、类、模块和库的简单解释

|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### Python 端到端的机器学习 AI入门：详细介绍机器学习建模过程，步骤细节；以及人工智能的分阶段学习线路图。 🚀 点击查看 |

|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### 统计学习\机器学习\深度学习算法 介绍有关统计学习，机器学习，深度学习的算法。 🚀 点击查看 |

|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### SQL + Pandas 练习题 SQL 练习题目，使用 Pandas 库实现，使用 Sqlalchemy 库查看 SQL 代码血缘关系。 🚀 点击查看 |

|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### Python 数据可视化 介绍了有关 Matplotlib，Seaborn，Plotly 几个 Python 绘图库的简单使用。 🚀 点击查看 |