Pandas 表格樣式設(shè)置指南，看這一篇就夠了！
↑↑↑關(guān)注后"星標(biāo)"簡說Python
人人都可以簡單入門Python、爬蟲、數(shù)據(jù)分析 簡說Python推薦 來源：Python數(shù)據(jù)之道
作者：我是陽哥
大家好，我是老表，今天給大家分享一篇Pandas相關(guān)文章。
最近這些年，Python在數(shù)據(jù)分析以及人工智能領(lǐng)域是越來越火。
這離不開pandas、numpy、sklearn、TensorFlow、PyTorch等數(shù)據(jù)科學(xué)包，尤其是 Pandas，幾乎是每一個從事Python數(shù)據(jù)科學(xué)相關(guān)的同學(xué)都繞不過去的。
Pandas是一種高效的數(shù)據(jù)處理庫，它以 dataframe 和 series 為基本數(shù)據(jù)類型，呈現(xiàn)出類似excel的二維數(shù)據(jù)。
在 Jupyter 中(jupyter notebook 或者 jupyter lab)，可以對數(shù)據(jù)表格按照條件進(jìn)行個性化的設(shè)置，方便形象的查看和使用數(shù)據(jù)。
Pandas提供了 DataFrame.style 屬性，它會返回 Styler對象，用于數(shù)據(jù)樣式的設(shè)置。
基于 Pandas提供的方法，本文主要內(nèi)容概括如下：
01 環(huán)境準(zhǔn)備
使用環(huán)境
本次使用的環(huán)境如下：
MacOS系統(tǒng) Python 3.8 Jupyter Notebook
Pandas 和 Numpy 的版本為：
pandas version:1.3.0rc1
numpy version:1.19.2
首先導(dǎo)入 pandas 和 numpy 庫，這次咱們本次需要用到的兩個 Python 庫，如下：
import pandas as pd
import numpy as np
print(f'pandas version:{pd.__version__}')
print(f'numpy version:{np.__version__}')
數(shù)據(jù)準(zhǔn)備
本次咱們使用的兩份數(shù)據(jù)是關(guān)于主動基金以及消費行業(yè)指數(shù)基金的數(shù)據(jù)，本次演示用的數(shù)據(jù)僅為展示Pandas圖表美化功能，對投資沒有參考建議哈。
數(shù)據(jù)文件在文末有獲取方式。
數(shù)據(jù)1
消費行業(yè)指數(shù)基金相關(guān)的數(shù)據(jù)，導(dǎo)入如下：
df_consume = pd.read_csv('./data/fund_consume.csv',index_col=0,parse_dates=['上任日期','規(guī)模對應(yīng)日期'])
df_consume = df_consume.sort_values('基金規(guī)模(億)',ascending=False).head(10)
df_consume = df_consume.reset_index(drop=True)
df_consume
數(shù)據(jù)2
主動基金數(shù)據(jù)，導(dǎo)入如下：
df_fund = pd.read_csv('./data/fund-analysis.csv',index_col=0,parse_dates=['上任日期','規(guī)模對應(yīng)日期'])
df_fund = df_fund.sort_values('基金規(guī)模(億)',ascending=False).head(10)
df_fund = df_fund.reset_index(drop=True)
df_fund.head(2)
文章中主要使用第一份數(shù)據(jù)。
02 隱藏索引
用 hide_index() 方法可以選擇隱藏索引，代碼如下：
df_consume.style.hide_index()
效果如下：
03 隱藏列
用 hide_columns() 方法可以選擇隱藏一列或者多列，代碼如下：
df_consume.style.hide_index().hide_columns(['性別','基金經(jīng)理','上任日期','2021'])
效果如下：
04 設(shè)置數(shù)據(jù)格式
在設(shè)置數(shù)據(jù)格式之前，需要注意下，所在列的數(shù)值的數(shù)據(jù)類型應(yīng)該為數(shù)字格式，如果包含字符串、時間或者其他非數(shù)字格式，則會報錯。
可以用 DataFrame.dtypes 屬性來查看數(shù)據(jù)格式。
df_consume.dtypes
格式如下：
基金名稱 object
基金代碼 object
基金經(jīng)理 object
性別 object
上任日期 datetime64[ns]
基金公司 object
管理費 float64
托管費 float64
基金規(guī)模(億) float64
規(guī)模對應(yīng)日期 datetime64[ns]
2018 float64
2019 float64
2020 float64
2021 float64
dtype: object
從上面來看，數(shù)據(jù)格式主要包括字符串、數(shù)字和時間這三種常見的類型，此外，空值（NaN，NaT等）也是我們需要處理的數(shù)據(jù)類型之一。
對于字符串類型，一般不要進(jìn)行格式設(shè)置；
對于數(shù)字類型，是格式設(shè)置用的最多的，包括設(shè)置小數(shù)的位數(shù)、千分位、百分?jǐn)?shù)形式、金額類型等；
對于時間類型，經(jīng)常會需要轉(zhuǎn)換為字符串類型進(jìn)行顯示；
對于空值，可以通過
na_rep參數(shù)來設(shè)置顯示內(nèi)容；
Pandas 中可以通過 style.format() 函數(shù)來對數(shù)據(jù)格式進(jìn)行設(shè)置。
format_dict = {'基金規(guī)模(億)': '￥{0:.1f}',
'管理費': '{0:.2f}',
'托管費': '{0:.2f}',
'規(guī)模對應(yīng)日期':lambda x: "{}".format(x.strftime('%Y%m%d')),
'2018': '{0:.1%}',
'2019': '{0:.1%}',
'2020': '{0:.1%}',
'2021': '{0:.1%}'
}
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期','2021'])\
.format(format_dict)
空值設(shè)置
使用 na_rep 設(shè)置空值的顯示，一般可以用 -、/、MISSING 等來表示:
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期','2021'])\
.format(format_dict,na_rep='-')
05 顏色高亮設(shè)置
對于最大值、最小值、NaN等各類值的顏色高亮設(shè)置，pandas 已經(jīng)有專門的函數(shù)來處理，配合 axis 參數(shù)可以對行或者列進(jìn)行應(yīng)用：
highlight_max() highlight_min() highlight_null() highlight_between()
highlight_max
通過 highlight_max()來高亮最大值，其中 axis=0 是按列進(jìn)行統(tǒng)計：
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_max(axis=0,subset=['2018','2019','2020'])
highlight_min
通過 highlight_min()來高亮最小值，其中 axis=1 是按行進(jìn)行統(tǒng)計：
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_min(axis=1,subset=['2018','2019','2020'])
highlight_null
通過 highlight_null()來高亮空值（NaN值）
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_null()
效果如下：
highlight_between
highlight_between() 函數(shù)，對處于范圍內(nèi)的數(shù)據(jù)進(jìn)行高亮顯示。
highlight_between() 函數(shù)的使用參數(shù)如下：
Styler.highlight_between(subset=None, color='yellow', axis=0, left=None, right=None, inclusive='both', props=None)
highlight_between() 函數(shù),對處于范圍內(nèi)的數(shù)據(jù)進(jìn)行高亮顯示，通過 left 和 right 參數(shù)來設(shè)置兩邊的范圍。
需要注意下，highlight_between() 函數(shù)從 pandas 1.3.0版本開始才有，舊的版本可能不能使用哦。
下面示例中 對2018年至2020年的年度漲跌幅度 -20%~+20% 范圍內(nèi)的數(shù)據(jù)進(jìn)行高亮標(biāo)注.
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_between(left=-0.2,right=0.2,subset=['2018','2019','2020'])
效果如下：
也可以分別對不同年度的不同漲跌范圍進(jìn)行設(shè)置，比如下面示例中:
2018年的年度漲跌幅度 -15%~+0%范圍；2019年的年度漲跌幅度 0%~20%%范圍；2020年的年度漲跌幅度 0%~40%范圍。
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_between(left=[-0.15,0,0],right=[0,0.2,0.4],subset=['2018','2019','2020'],axis=1)
效果如下：
個性化設(shè)置
highlight_max()、highlight_min()、highlight_null() 等函數(shù)的默認(rèn)顏色設(shè)置，我們不一定滿意，可以通過 props 參數(shù)來進(jìn)行修改。
字體顏色和背景顏色設(shè)置
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_min(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#99ff66')\
.highlight_max(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#ee7621')\
.highlight_null(props='color:white;background-color:darkblue')
效果如下：
字體加粗以及字體顏色設(shè)置
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_between(left=-0.2,right=0.2,subset=['2018','2019','2020'],props='font-weight:bold;color:#ee7621')
效果如下：
類似的個性化設(shè)置，在本文后續(xù)內(nèi)容中也是適用的。
06 色階顏色設(shè)置
背景色階顏色設(shè)置
使用 background_gradient() 函數(shù)可以對背景顏色進(jìn)行設(shè)置。
該函數(shù)的參數(shù)如下：
Styler.background_gradient(cmap='PuBu', low=0, high=0, axis=0, subset=None, text_color_threshold=0.408, vmin=None, vmax=None, gmap=None)
使用如下：
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.background_gradient(cmap='Blues')
效果如下：
如果不對 subset 進(jìn)行設(shè)置，background_gradient 函數(shù)將默認(rèn)對所有數(shù)值類型的列進(jìn)行背景顏色標(biāo)注。
對 subset 進(jìn)行設(shè)置后，可以選擇特定的列或特定的范圍進(jìn)行背景顏色的設(shè)置。
# 對基金規(guī)模以色階顏色進(jìn)行標(biāo)注
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.background_gradient(subset=['基金規(guī)模(億)'],cmap='Blues')
效果如下：
此外，可以通過對 low 和 high 值的設(shè)置，可以來調(diào)節(jié)背景顏色的范圍，low 和 high 分別是壓縮 低端和高端的顏色范圍，其數(shù)值范圍一般是 0~1 ，各位可以調(diào)試下。
# 對基金規(guī)模以色階顏色進(jìn)行標(biāo)注
# 通過對 low 和 high 值的設(shè)置，可以來調(diào)節(jié)背景顏色的范圍
# low 和 high 分別是壓縮 低端和高端的顏色范圍，其數(shù)值范圍一般是 0~1 ，各位可以調(diào)試下
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.background_gradient(subset=['基金規(guī)模(億)'],cmap='Blues',low=0.3,high=0.9)
效果如下：
當(dāng)數(shù)據(jù)范圍比較大時，可以通過設(shè)置 vmin 和 vmax 來設(shè)置最小和最大的顏色的設(shè)置起始點。
比如下面，基金規(guī)模在20億以下的，顏色最淺，規(guī)模70億以上的，顏色最深，20~70億之間的，顏色漸變。
# 對基金規(guī)模以色階顏色進(jìn)行標(biāo)注
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.background_gradient(subset=['基金規(guī)模(億)'],cmap='Blues',vmin=20,vmax=70)
通過 gmap 的設(shè)置，可以方便的按照某列的值，對行進(jìn)行全部的背景設(shè)置
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.background_gradient(cmap='Blues',gmap=df_consume['基金規(guī)模(億)'])
效果如下：
gmap 還可以以矩陣的形式對數(shù)據(jù)進(jìn)行樣式設(shè)置，如下：
df_gmap = df_consume.loc[:2,['基金名稱','管理費','基金規(guī)模(億)','2020']]
gmap = np.array([[1,2,3], [2,3,4], [3,4,5]]) # 3*3 矩陣，后面需要進(jìn)行顏色設(shè)置的形狀也需要是 3*3，需要保持一致
df_gmap.style.background_gradient(axis=None, gmap=gmap,
cmap='Blues', subset=['管理費','基金規(guī)模(億)','2020']
)
效果如下：
上面 gmap 是 3*3 矩陣，后面需要進(jìn)行顏色設(shè)置的形狀也需要是 3*3，需要保持一致。
需要注意的是 顏色設(shè)置是根據(jù) gmap中的值來設(shè)置顏色深淺的，而不是根據(jù) DataFrame 中的數(shù)值來的。
這個在某些特定的情況下可能會用到。
文本色階顏色設(shè)置
類似于背景色階顏色設(shè)置，文本也是可以進(jìn)行顏色設(shè)置的。
使用 text_gradient() 函數(shù)可以實現(xiàn)這個功能，其參數(shù)如下：
Styler.text_gradient(cmap='PuBu', low=0, high=0, axis=0, subset=None, vmin=None, vmax=None, gmap=None)
text_gradient() 函數(shù)的用法跟 background_gradient() 函數(shù)的用法基本是一樣的。
下面演示兩個使用案例，其他的用法參考 background_gradient() 函數(shù)。
某列的文本色階顯示
# 對基金規(guī)模以色階顏色進(jìn)行標(biāo)注
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.text_gradient(subset=['基金規(guī)模(億)'],cmap='RdYlGn')
效果如下：
全部表格的文本色階顯示
# 通過 `gmap` 的設(shè)置，可以方便的按照某列的值，對行進(jìn)行全部的文本顏色設(shè)置
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.text_gradient(cmap='RdYlGn',gmap=df_consume['基金規(guī)模(億)'])
效果如下：
07 數(shù)據(jù)條顯示
數(shù)據(jù)條的顯示方式，可以同時在數(shù)據(jù)表格里對數(shù)據(jù)進(jìn)行可視化顯示，這個功能咱們在 Excel 里也是經(jīng)常用到的。
在 pandas 中，可以使用 DataFrame.style.bar() 函數(shù)來實現(xiàn)這個功能，其參數(shù)如下：
Styler.bar(subset=None, axis=0, color='#d65f5f', width=100, align='left', vmin=None, vmax=None)
示例代碼如下：
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.bar(subset=['基金規(guī)模(億)','2018','2021'],color=['#99ff66','#ee7621'])
效果如下：
設(shè)置對其方式
上面這個可視化效果，對于正負(fù)數(shù)值的區(qū)別，看起來總是有點別扭。
可以通過設(shè)置 aligh 參數(shù)的值來控制顯示方式：
left: 最小值從單元格的左側(cè)開始。
zero: 零值位于單元格的中心。
mid: 單元格的中心在（max-min）/ 2，或者如果值全為負(fù)（正），則零對齊于單元格的右（左）。
將顯示設(shè)置為 mid 后，符合大部分人的視覺審美觀，代碼如下：
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期'])\
.format(format_dict)\
.bar(subset=['基金規(guī)模(億)','2018','2021'],color=['#99ff66','#ee7621'],align='mid')
效果如下：
關(guān)于顏色設(shè)置，color=['#99ff66','#ee7621']， color可以設(shè)置為單個顏色，所有的數(shù)據(jù)只顯示同一個顏色，也可以設(shè)置為包含兩個元素的list或tuple形式，左邊的顏色標(biāo)注負(fù)數(shù)值，右邊的顏色標(biāo)注正數(shù)值。
08 自定義函數(shù)的使用
通過 apply 和 applymap 函數(shù)，用戶可以使用自定義函數(shù)來進(jìn)行樣式設(shè)置。
其中：
apply通過axis參數(shù)，每一次將一列或一行或整個表傳遞到DataFrame中。對于按列使用 axis=0, 按行使用 axis=1, 整個表使用 axis=None。applymap作用于范圍內(nèi)的每個元素。
apply
先自定義了函數(shù)max_value()，用來找到符合條件的最大值，apply 使用的示例代碼如下：
按列設(shè)置樣式
def max_value(x, color='red'):
return np.where(x == np.nanmax(x.to_numpy()), f"color: {color};background-color:yellow", None)
# axis =0 ，按列設(shè)置樣式
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.apply(max_value,axis=0,subset=['2018','2019','2020','2021'])
效果如下：
按行設(shè)置樣式
# axis =1 ，按行設(shè)置樣式
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.apply(max_value,axis=1,subset=['2018','2019','2020','2021'])
效果如下：
按整個表格設(shè)置樣式
按整個表格設(shè)置樣式時，需要注意的是，整個表格的數(shù)據(jù)類型需要是一樣的，不然會報錯。
示例代碼如下：
# axis = None ，按整個表格設(shè)置樣式
# 注意，整個表格的數(shù)據(jù)類型需要是一樣的，不然會報錯
df_consume_1 = df_consume[['2018','2019','2020','2021']]
# df_consume_1
df_consume_1.style.hide_index().apply(max_value,axis=None)
效果如下：
applymap
繼續(xù)上面的數(shù)據(jù)表格，我們來自定義一個函數(shù)，對于基金的年度漲跌幅情況，年度上漲以橙色背景標(biāo)注，下跌以綠色背景標(biāo)注，NaN值以灰色背景標(biāo)注。
由于 applymap 是作用于每個元素的，因此該函數(shù)不需要 axis 這個參數(shù)來進(jìn)行設(shè)置，示例代碼如下：
def color_returns(val):
if val >=0:
color = '#EE7621' # light red
elif val <0:
color = '#99ff66' # light green '#99ff66'
else:
color = '#FFFAFA' # ligth gray
return f'background-color: {color}'
format_dict = {'基金規(guī)模(億)': '￥{0:.1f}',
'管理費': '{0:.2f}',
'托管費': '{0:.2f}',
'規(guī)模對應(yīng)日期':lambda x: "{}".format(x.strftime('%Y%m%d')),
'2018': '{0:.1%}',
'2019': '{0:.1%}',
'2020': '{0:.1%}',
'2021': '{0:.1%}'
}
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.applymap(color_returns,subset=['2018','2019','2020','2021'])
效果如下：
09 顏色設(shè)置范圍選擇
在使用 Style 中的函數(shù)對表格數(shù)據(jù)進(jìn)行樣式設(shè)置時，對于有 subset 參數(shù)的函數(shù)，可以通過設(shè)置 行和列的范圍來控制需要進(jìn)行樣式設(shè)置的區(qū)域。
對行(row)進(jìn)行范圍設(shè)置
df_consume_1.style.applymap(color_returns,subset=pd.IndexSlice[1:5,])
效果如下：
對列(column)進(jìn)行范圍設(shè)置
df_consume_1.style.applymap(color_returns,subset=['2019','2020'])
效果如下：
對行和列同時進(jìn)行范圍設(shè)置
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.applymap(color_returns,subset=pd.IndexSlice[1:5,['2018','2019','2020']])
效果如下：
10 共享樣式
對于pandas 中樣式設(shè)置后的共享復(fù)用，目前支持通過 Styler.export() 導(dǎo)出樣式，然后通過 Styler.use() 來使用導(dǎo)出的樣式。
不過經(jīng)過陽哥的測試，簡單的樣式導(dǎo)出與使用是可以的。但稍微復(fù)雜一些的情況，目前的pandas版本是不太好用的。
簡單樣式
示例如下，先保存當(dāng)前樣式：
df_consume_1 = df_consume[['2018','2019','2020','2021']]
# df_consume_1
style1 = df_consume_1.style.hide_index()\
.highlight_min(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#99ff66')\
.highlight_max(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#ee7621')\
.highlight_null(props='color:white;background-color:darkblue')
style1
保存的樣式的效果如下：
使用保存的樣式：
df_fund_1 = df_fund[['2018','2019','2020','2021']]
df_fund_1.style.use(style1.export())
效果如下：
由于后面的數(shù)據(jù)表格是沒有空值的，所以兩者的樣式實際是一樣的。
復(fù)雜樣式
當(dāng)樣式設(shè)置較多時，比如同時隱藏索引、隱藏列、設(shè)置數(shù)據(jù)格式、高亮特定值等，這個時候有些操作在導(dǎo)出后使用時并沒有效果。
測試如下，先保存樣式：
style3 = df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_min(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#99ff66')\
.highlight_max(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#ee7621')\
.highlight_null(props='color:white;background-color:darkblue')
style3
保存樣式的效果如下：
使用保存的樣式：
df_fund.style.use(style3.export())
效果如下：
從上面來看，我們希望的樣式效果，并沒有很好的實現(xiàn)。
所以，針對較為復(fù)雜的樣式，還是乖乖的復(fù)制代碼使用吧。
11 導(dǎo)出樣式到Excel
導(dǎo)出樣式到 Excel 中，這個功能還是比較實用的。
DataFrames 使用 OpenPyXL 或XlsxWriter 引擎可以將樣式導(dǎo)出到 Excel 工作表。
不過，這個功能目前也還是處于不斷完善過程中，估計有時候有些內(nèi)容會沒有效果。
大家可以在使用過程中來發(fā)現(xiàn)其中的一些問題。
來看一個案例：
df_consume.style.hide_index()\
.hide_columns(['性別','基金經(jīng)理','上任日期',])\
.format(format_dict)\
.highlight_min(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#99ff66')\
.highlight_max(axis=1,subset=['2018','2019','2020','2021'],props='color:black;background-color:#ee7621')\
.highlight_null(props='color:white;background-color:darkblue')\
.to_excel('style_export.xlsx',engine = 'openpyxl')
上面的案例內(nèi)容導(dǎo)出到 excel 后，我從 excel 中打開查看了下效果如下：
可以看出，跟共享樣式里有些相同的問題，比如隱藏索引、隱藏列、設(shè)置數(shù)據(jù)格式等效果并沒有實現(xiàn)。
--END--
老表薦書
圖書介紹：《Excel 在數(shù)據(jù)處理與分析中的應(yīng)用》本書從實際工作應(yīng)用出發(fā)，以“數(shù)據(jù)獲取→數(shù)據(jù)整理與編輯→數(shù)據(jù)計算處理→數(shù)據(jù)匯總處理→數(shù)據(jù)分析處理→數(shù)據(jù)展示報告→相關(guān)行業(yè)數(shù)據(jù)處理應(yīng)用”為線索，精心挑選了多個案例，詳細(xì)講解了Excel數(shù)據(jù)處理與分析的相關(guān)技能。
掃碼即可加我微信
老表朋友圈經(jīng)常有贈書/紅包福利活動
學(xué)習(xí)更多： 整理了我開始分享學(xué)習(xí)筆記到現(xiàn)在超過250篇優(yōu)質(zhì)文章，涵蓋數(shù)據(jù)分析、爬蟲、機器學(xué)習(xí)等方面，別再說不知道該從哪開始，實戰(zhàn)哪里找了
優(yōu)秀的讀者都知道，“點贊”傳統(tǒng)美德不能丟 