标签归档：python效率

解决方案

你应该用Python3.x而非Python2.x的20个理由

留下评论

最近小编在知乎上经常遇到这样的问题：《现在开始学习python的话，是学习python2.x还是学习python3.x比较好？》，这也是许多初学者会遇到的问题，我们的答案是python 3.x. 为了帮助大家消除疑惑，在这里统一告诉大家原因。

1. Python3.1，io模块是使用Python语言实现的，比2.x快5~10倍

2. Python3.1，str.format()支持自动编号：

python3.1，str.format()支持自动编号

3. Python 3.1，64位版的int快了27%~55%。

4. Python 3.2，对全局解释器锁(GIL)进行了重大升级，显著改进了Python处理多线程的方式。

5. python3.3，用C语言重写了decimal模块，比以前快12倍（数据库操作）~120倍（高密度计算）。

6. Python3.3，utf-8编码快了2~4倍，utf-16编码的encode最多快了10倍。

7. python3.4，优化pickle模块，性能提升好几倍。

8. python3.4，python解释器的启动快了30%。

9. Python3.4， 新增tracemalloc模块。一个调试工具，用于追踪、统计python的内存分配。

10.Python3.4， 新增enum模块，提供枚举。好多人抱怨python没有枚举，现在有了，虽然是以模块的方式实现的。

11. Python 3.5，使异步变得不那么棘手，async和await关键字成为语言语法的一部分。

12. Python3.5，新的语法：Type hints和typing模块。方便代码阅读。

Python3.5，新的语法：Type hints和typing模块

13. Python3.5，UTF-8、UTF-16、LATIN-1编码的decode速度是以前的2~4倍。

14. Python3.5，新增.hex()函数，可以直接把bytes类型转为16进制。

python hex()

15.python3.5， 新增os.scandir()函数，更快、更省内存的遍历文件夹。在POSIX系统上比以前快3~5倍，在Windows系统上快7~20倍。os.walk()目前也在使用此函数。

16. Python3.6， 用C语言实现asyncio.Future类和asyncio.Task类，asyncio程序的性能快了25%~30%。

17. Python3.6， glob模块的glob()函数和iglob()函数现在使用os.scandir()函数。快了3~6倍。

18. Python3.6，pathlib.Path模块的glob()函数现在使用os.scandir()函数。快了1.5~4倍。

19. Python3.6， 新增secrets模块，生成强随机数。以前的random模块只能生成伪随机数，官方推荐在涉及安全问题时不再使用random模块。

20. Python3.7，time模块新增6个可以访问纳秒的函数，如time.time_ns()、time.perf_counter_ns()等等。

我们的文章到此就结束啦，如果你希望我们今天的Python 教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦有任何问题都可以在下方留言区留言，我们都会耐心解答的！

​Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典

Python绘图、工具、解决方案

7行代码 Python热力图可视化分析缺失数据处理

留下评论
Python热力图寻找缺失数据

你有没有遇到一种情况，处理一张很大的csv表格的时候很难找到表格中每一列的缺失数据，或者说处理速度非常慢？当然如果你的Excel水平非常高，这个可能不会成为你的问题，但如果当你想可视化出每一列缺失数据的分布和数量怎么办呢？这时候就需要用Python绘制热力图了！

1.安装所需要的第三方Python库

在开始之前我们需要安装以下Python包(库)，打开你的CMD(Windows系统)/Terminal(macOS系统)输入以下指令即可:

pip install seaborn
pip install pandas
pip install matplotlib

其中pandas是用于数据操作与处理的，matplotlib和seaborn主要用于Python数据可视化，也就是绘制我们所需要的热力图。

2.Python加载数据

好了，废话不多说，让我们现在就开始使用panda加载数据：

import pandas as pd
import numpy as np
import seaborn
import matplotlib

data = pd.read_csv('training_data.csv')

没错，pandas的使用就这么简单，读取csv文件直接使用read_csv函数，你可以使用自己需要的csv文件，也可以使用我们提供的：点击下载 Python推特机器人分类数据集 中的training_data.csv，只需要你移动到当前代码的文件夹下即可。

3.Python构造热力图

使用Python构造热力图识别表格的缺失数据：

seaborn.heatmap(data.isnull(), yticklabels=False, cbar=False, cmap='viridis')
# 热力图，当data中有空值时标为黄色
matplotlib.pyplot.tight_layout() 
matplotlib.pyplot.show()
Python热力图寻找缺失数据

seaborn.heatmap用于生成热力图，其会检查data中的每个单元格，如果为空则标记为黄色，cmap为颜色图谱，viridis即蓝-绿-黄. 此外，matplotlib.pyplot主要用于负责展示图片。如果你需要知道seaborn更详细的参数文档，可以阅读这篇文章。

整体代码如下（一共只用了7行）

import pandas as pd
import seaborn
import matplotlib
data = pd.read_csv('training_data.csv')
seaborn.heatmap(data.isnull(), yticklabels=False, cbar=False, cmap='viridis')
matplotlib.pyplot.tight_layout() 
matplotlib.pyplot.show()

我们的文章到此就结束啦，如果你希望我们今天的Python 教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦有任何问题都可以在下方留言区留言，我们都会耐心解答的！

​Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典