数据科学家易犯的十大编码错误，你中招了吗？

这个结论还有一些争议——Jupyter notebook 就像 CSV 一样常用。很多人都会用到它们。但这并不能让它们变得更好。Jupyter notebook 助长了上面提到的许多不好的软件工程习惯，特别是：

• 你会把所有文件存在一个目录中;
• 你写的代码是自上而下运行的，而不是 DAG;
• 你不会模块化你的代码;
• 代码难以调试;
• 代码和输出会混合在一个文件中;
• 不能很好地进行版本控制。

Jupyter notebook 很容易上手，但规模太小。

解决方案：用 pycharm 和/或 spyder。

原文链接：

https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Ftop-10-coding-mistakes-made-by-data-scientists-bb5bc82faaee

【本文是51CTO专栏机构“机器之心”的原创译文，微信公众号“机器之心( id: almosthuman2014)”】

戳这里，看该作者更多好文

【编辑推荐】

1. “老司机”划重点！搞定这120个真实面试问题，杀进数据科学圈
2. 数据科学难在实践，有哪些弯路可以不走？
3. 数据科学的下一个「超能力」：模型可解释性
4. 除Kaggle外，还有哪些顶级数据科学竞赛平台
5. 14个Q&A，讲述python与数据科学的“暧昧情事”

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!