共计 2030 个字符，预计需要花费 6 分钟才能阅读完成。
PyCharm是一种 Python IDE，其带有一整套可以帮助用户在使用 Python 语言开发时提高其效率的工具。此外，该 IDE 提供了一些高级功能，以用于 Django 框架下的专业 Web 开发。
嗨，您好！您是否尝试过在 PyCharm 2019.2 中集成 Jupyter Notebooks？赶快来尝试一下吧！在这篇博文中，我们将使用 PyCharm 及其 Jupyter Notebook 集成来探索一些数据。首先，我们需要所述数据。每当我需要一个新的数据集来玩时，我通常会前往 Kaggle，我肯定会找到一些有趣的主题。这一次，一个名为“披萨餐馆和他们卖的比萨饼”的数据集引起了我的注意。谁不喜欢披萨？让我们分析一下这些披萨店，并尝试从中学到一两件事。
由于这些数据不是我现有任何 PyCharm 项目的一部分，我将创建一个新项目。
确保使用 PyCharm 专业版，Community Edition 不包括 Jupyter 笔记本集成。
提示：在浏览器中使用 Jupyter Notebooks 时，我倾向于为实验创建多个临时笔记本。为每个项目创建一个 PyCharm 项目是相当繁琐的，所以相反，你可以有一个项目用于这样的实验。
我喜欢我的东西井然有序，所以一旦项目被创建，我将添加一些结构 – 我将移动下载的数据集的数据目录，以及笔记本的另一个目录。
一旦我创建了我的第一个 pizza.ipynb 笔记本，PyCharm 建议安装 Jupyter 包并在右上角提供一个链接来做到这一点。
一旦安装了 Jupyter 软件包，我们就准备好了！
90%的数据科学家在他们的 Jupyter 笔记本中做的第一件事是打字import pandas as pd。此时，PyCharm 会建议在这个 venv 中安装 pandas，只需单击即可完成：
一旦我们安装了 pandas，我们就可以将 csv 中的数据读入 pandas DataFramedfpd.read_csv(“../data/Datafiniti_Pizza_Restaurants_and_the_Pizza_They_Sell_May19.csv”)
要执行此单元格，请按Shift + Enter，或单击单元格旁边的装订线中的绿色箭头图标。
当您第一次运行单元格时，PyCharm 将启动一个本地 Jupyter 服务器来执行其中的代码 – 您无需从终端手动执行此操作。
首先，我们将了解该数据集的基本内容 – 它有多少行？列是什么？数据是什么样的？
我怀疑这些数据仅包含美国餐馆的信息。要确认这一点，让我们计算国家 / 地区列中的值：
是的，这个数据集中唯一出现的国家是美国，因此 country 完全删除该列是安全的。同样的，menus.currency 和 priceRangeCurrency那些价值也是一样的 – 美元。我也会放弃，menuPageURL因为它不会给分析增加太多价值，key因为它会复制其他列（国家，州，城市等）的信息。
我将在这里做的另一个清理是重命名 province 列，states 因为它在这个上下文中更有意义，为了更好的可读性，我将用状态的全名替换状态首字母缩略词。
一旦我们完成清理数据，我们如何绘制它？作为人类，我们更善于在视觉上呈现信息。
首先，让我们看看我们在这个数据集中最常见的披萨类型。鉴于主题，将它视为带有 matplotlib 的馅饼是合适的
现在还不是我们的馅饼图。为了让它显示，我需要 %matplotlib inline 为 IPython 添加魔术命令，当我在它时，我将添加另一个魔术命令让 IPython 知道为视网膜屏幕适当地渲染图。
我可以将这些行添加到同一个单元格并再次运行它，但我更喜欢在笔记本的最开始定义这种类型的魔术命令。
要导航到笔记本的最开头，您可以使用Cmd+[(Ctrl+Alt+Left on Windows)。插入新单元格就像键入一样简单#%%（如果您更喜欢在当前单元格上方插入单元格的快捷方式，Option+Shift+Aon mac, or Alt+Shift+A on Windows）。现在我需要做的就是添加魔术命令并运行下面的所有单元格：
由馅饼图可知，现在我们知道最常见的披萨类型是芝士披萨，紧随其后的是白披萨。
餐馆怎么样？我们在数据集中有他们的地理位置，因此我们可以很容易地看到他们所在的位置。
每个餐厅都有一个唯一的 ID，并且数据集中可以有多个条目，每个条目代表该餐厅菜单中的披萨。因此，为了绘制餐厅而不是比萨饼，我们需要按餐馆 ID 对条目进行分组。
现在我们可以在地图上绘制它们。对于地理绘图，我喜欢用情节。确保获取它的最新版本（4.0.0），以便在 PyCharm 中很好地渲染图形输出。
人们可以想到我们可以尝试用这个数据集来回答的一些问题，例如，哪个城市拥有最多 / 最便宜的 Veggie Pizza？或者最常见的比萨餐厅连锁店是什么？如果您想玩这个数据集并回答这些或其他问题，您可以搜集数据并运行您自己的分析。请记住，如果你想用 PyCharm 试试，请确保你使用的是PyCharm 2019.2 专业版。
