里為大家推薦一款專業的Mac搜索優化工具，Default Folder X 5 for Mac能讓您快速瀏覽文件夾以獲取文件，讓您打開或保存到任何Finder窗口，支持自由配置快捷鍵，功能非常實用。

Default Folder X 5 for Mac特別版軟件介紹

Default Folder X 5 Mac將工具欄附加到任何OS X本機應用程序的“打開和保存”對話框的右側。該工具欄可讓您快速訪問各種文件夾和命令。您只需點擊按鈕即可轉至您最喜歡和最近使用的文件夾，管理列表中顯示的文件夾和文件，并更改您的設置。它還修復了打開和保存對話框中的一些問題，“回彈”到最后選定的文件，將路徑列表放回頂部菜單，并更正滾動列視圖中的錯誤。

Default Folder X 5 for Mac特別版軟件功能

省時功能

目錄助手
從DFX的工具欄訪問您最近的，最喜歡的和打開的文件夾。通過分層彈出式菜單，您可以快速瀏覽文件夾以獲取文件。

實時保存
如果您經常將文件保存在同一文件夾中，DFX可以為您記住該文件夾。或者您可以將其設置為應用程序的默認文件夾，以便您從一開始就位于正確的文件夾中。

Finder管理
只需單擊一下，DFX就能讓您打開或保存到任何Finder窗口。它還可讓您獲取，復制，重命名和刪除現有文件的信息，將Finder的能力放在每個打開和保存對話框中。

即時召回
為了幫助您快速返回到最近使用的文件夾和文件，DFX會為您記住它們。它甚至會重新選擇您打開的最后一個文件。用DFX，你永遠不會忘記你放置什么東西。

在你的指尖
使用您喜愛的文件夾的鍵盤快捷鍵快速獲取地點。或者跳轉到最近的文件夾并用按鍵打開Finder窗口。DFX的快捷鍵是完全可配置的。

現場聚光燈
在任何打開或保存對話框中標記您的文件或編輯您的Spotlight注釋。不記得以前使用過的標簽嗎？DFX向您顯示您最近使用過的所有標簽 - 只需拖放即可。

. vscode 簡介

vscode是微軟開發的的一款代碼編輯器，就如官網上說的一樣，vscode重新定義（redefined）了代碼編輯器。

當前市面上常用的輕型代碼編輯器主要是：sublime，notepad++，editplus，atom這幾種。

比起notepad++、editplus，vscode集成了許多IDE才具有的功能，比起它們更像一個代碼編輯器；

比起sublime，vscode顏值更高，安裝配置插件更為方便；

比起atom，vscode啟動速度更快，打開各種大文件不卡。

可以說，vscode既擁有高自由度、又擁有高性能和高顏值，最關鍵的是，vscode還是一款免費并且有團隊持續快速更新的代碼編輯器。

可以說，vscode是代碼編輯器的首選。個人推薦編寫前端代碼時，代碼編輯器選擇vscode，IDE選擇WebStorm。

vscode安裝插件只需要點擊圖片所示按鈕，即可進入拓展，在搜索框中輸入插件名點擊安裝后，等待安裝好即可點擊重新加載重啟vscode使得插件生效。

當你不需要某個插件時只需要進入擴展，點擊對應插件右下角的齒輪按鈕即可選擇禁用或卸載該插件。

2. 前端常用插件 (ps: 必備 > 推薦 > 了解)

必備的一定要裝, 推薦的看自己需要, 了解的可不裝 !!!

　　1.Auto Close Tag (必備)

　　自動閉合HTML/XML標簽

2.Auto Rename Tag (必備)

自動完成另一側標簽的同步修改

　3.Beautify (必備)

格式化 html ,js,css

另一款 Prettier

格式化JavaScript / TypeScript / CSS

　4.Bracket Pair Colorizer (必備)

　　給括號加上不同的顏色，便于區分不同的區塊，使用者可以定義不同括號類型和不同顏色

　5.Debugger for Chrome (推薦)

　　映射vscode上的斷點到chrome上，方便調試

作者：懂懂kkw
平臺：csdn

者：Roman Orac
魚羊 編譯整理
量子位 報道 | 公眾號 QbitAI

數據分析，如何能錯過 Pandas 。

現在，數據科學家 Roman Orac 分享了他在工作中相見恨晚的 Pandas 使用技巧。

了解了這些技巧，能讓你在學習、使用 Pandas 的時候更加高效。

話不多說，一起學習一下~

Pandas實用技巧

用 Pandas 做數據分析，最大的亮點當屬 DataFrame。不過，在展示成果的時候，常常需要把 DataFrame 轉成另一種格式。

Pandas 在這一點上其實十分友好，只需添加一行代碼。

DataFrame 轉 HTML

如果你需要用 HTML 發送自動報告，那么 to_html 函數了解一下。

比如，我們先設定這樣一個 DataFrame：

import numpy as np
import pandas as pd
import random

n = 10
df = pd.DataFrame(
    {
        "col1": np.random.random_sample(n),
        "col2": np.random.random_sample(n),
        "col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)],
    }
)

用上 to_html，就可以將表格轉入 html 文件：

df_html = df.to_html()
with open(‘analysis.html’, ‘w’) as f: f.write(df_html)

與之配套的，是 read_html 函數，可以將 HTML 轉回 DataFrame。

DataFrame 轉 LaTeX

如果你還沒用過 LaTeX 寫論文，強烈建議嘗試一下。

要把 DataFrame 值轉成 LaTeX 表格，也是一個函數就搞定了：

df.to_latex()

DataFrame 轉 Markdown

如果你想把代碼放到 GitHub 上，需要寫個 README。

這時候，你可能需要把 DataFrame 轉成 Markdown 格式。

Pandas 同樣為你考慮到了這一點：

print(df.to_markdown())

注：這里還需要 tabulate 庫

DataFrame 轉 Excel

說到這里，給同學們提一個小問題：導師/老板/客戶要你提供 Excel 格式的數據，你該怎么做？

當然是——

df.to_excel(‘analysis.xlsx’)

需要注意的是，如果你沒有安裝過 xlwt 和 openpyxl 這兩個工具包，需要先安裝一下。

另外，跟 HTML 一樣，這里也有一個配套函數：read_excel，用來將excel數據導入pandas DataFrame。

DataFrame 轉字符串

轉成字符串，當然也沒問題：

df.to_string()

5個鮮為人知的Pandas技巧

此前，Roman Orac 還曾分享過 5 個他覺得十分好用，但大家可能沒有那么熟悉的 Pandas 技巧。

1、data_range

從外部 API 或數據庫獲取數據時，需要多次指定時間范圍。

Pandas 的 data_range 覆蓋了這一需求。

import pandas as pd
date_from = “2019-01-01”
date_to = “2019-01-12”
date_range = pd.date_range(date_from, date_to, freq=”D”)
print(date_range)

freq = “D”/“M”/“Y”，該函數就會分別返回按天、月、年遞增的日期。

2、合并數據

當你有一個名為left的DataFrame：

和名為right的DataFrame：

想通過關鍵字“key”把它們整合到一起：

實現的代碼是：

df_merge = left.merge(right, on = ‘key’, how = ‘left’, indicator = True)

3、最近合并（Nearest merge）

在處理股票或者加密貨幣這樣的財務數據時，價格會隨著實際交易變化。

針對這樣的數據，Pandas提供了一個好用的功能，merge_asof。

該功能可以通過最近的key（比如時間戳）合并DataFrame。

舉個例子，你有一個存儲報價信息的DataFrame。

還有一個存儲交易信息的DataFrame。

現在，你需要把兩個DataFrame中對應的信息合并起來。

最新報價和交易之間可能有10毫秒的延遲，或者沒有報價，在進行合并時，就可以用上 merge_asof。

pd.merge_asof(trades, quotes, on=”timestamp”, by=’ticker’, tolerance=pd.Timedelta(‘10ms’), direction=‘backward’)

4、創建Excel報告

在Pandas中，可以直接用DataFrame創建Excel報告。

import numpy as np
import pandas as pd

df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a", "b", "c"])

report_name = 'example_report.xlsx'
sheet_name = 'Sheet1'
writer = pd.ExcelWriter(report_name, engine='xlsxwriter')
df.to_excel(writer, sheet_name=sheet_name, index=False)

不只是數據，還可以添加圖表。

# define the workbook
workbook = writer.book
worksheet = writer.sheets[sheet_name]
# create a chart line object
chart = workbook.add_chart({'type': 'line'})
# configure the series of the chart from the spreadsheet
# using a list of values instead of category/value formulas:
#     [sheetname, first_row, first_col, last_row, last_col]
chart.add_series({
    'categories': [sheet_name, 1, 0, 3, 0],
    'values':     [sheet_name, 1, 1, 3, 1],
})
# configure the chart axes
chart.set_x_axis({'name': 'Index', 'position_axis': 'on_tick'})
chart.set_y_axis({'name': 'Value', 'major_gridlines': {'visible': False}})
# place the chart on the worksheet
worksheet.insert_chart('E2', chart)
# output the excel file
writer.save()

注：這里需要 XlsxWriter 庫

5、節省磁盤空間

Pandas在保存數據集時，可以對其進行壓縮，其后以壓縮格式進行讀取。

先搞一個 300MB 的 DataFrame，把它存成 csv。

df = pd.DataFrame(pd.np.random.randn(50000,300))
df.to_csv(‘random_data.csv’, index=False)

壓縮一下試試：

df.to_csv(‘random_data.gz’, compression=’gzip’, index=False)

文件就變成了136MB。

gzip壓縮文件可以直接讀取：

df = pd.read_csv(‘random_data.gz’)

這一份Pandas技巧筆記，暫且說到這里。各位同學都做好筆記了嗎？

Talk is cheap, show me the code。學會了，就用起來吧

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態