【Python征稿】整理评论分析 Notebook 时，这 10 个快捷键帮我少走了很多弯路

这次整理评论数据时，清洗、统计标签数量、画图和看中间结果都放在 Jupyter Notebook 里完成。刚开始的问题不是不会写 pandas，而是 Notebook 越写越乱：运行顺序混乱、测试代码散落、调图时不知道当前执行的是哪一版。后来把几个高频快捷键用熟后，分析过程才真正变得连贯。

一、Shift + Enter：最常用的“往下跑一格”

Shift + Enter 的作用是运行当前单元格，并自动跳到下一格。读取数据后，第一步不要马上清洗，先确认文件到底读对没有。文件即使没有报错，也可能出现列名不对、编码不对或行数明显减少的问题。先看 shape 和 columns，比画完图才发现数据异常更省事。

1. import pandas as pd
   $ m9 T5 u& f% H% i
2. df = pd.read_csv('评论分析_脱敏数据.csv', encoding='utf-8-sig')
   
3. print('数据维度：', df.shape)
   
4. print('字段名称：', df.columns.tolist())
   / f# o3 {' p9 ?7 ~4 T- @
5. print(df.head(3))
   ; ~5 T8 |. a2 S
6. print(df.isna().sum())
   / U( j) _/ e9 [. E7 q
7. empty_content = df['content'].fillna('').str.strip().eq('').sum()
   , k# |& ]6 }" b; S
8. print('空正文数量：', empty_content)

复制代码

这种“读取 → 核验 → 清洗”的连续步骤，用 Shift + Enter 最顺手。

二、Ctrl + Enter：调图时不要把整本 Notebook 跑乱
3 @4 y8 O* \9 V  F9 N8 H9 U7 e

Ctrl + Enter 只运行当前单元格，不跳到下一格。调图时颜色、标题、尺寸和柱顶数字往往要改很多次；如果每次都按 Shift + Enter，光标会不断跳到后面的单元格，容易误运行不相关代码。

1. import matplotlib.pyplot as plt
   0 O+ V  ^6 ~+ r3 U4 c* s1 _
2. 
   
3. counts = df['sentiment'].value_counts()
   ! v+ m; \/ ?3 \2 y( G8 J: Q2 T
4. fig, ax = plt.subplots(figsize=(7, 4))
   $ U- t8 Z2 z1 x
5. bars = ax.bar(counts.index, counts.values, color=['#4C78A8', '#E45756'])
   / X* q5 K9 z  M: f* Y
6. ax.set_title('评论情感标签数量分布')
   
7. ax.set_xlabel('情感标签')
   + @' y  O. }( P& e5 m. Q
8. ax.set_ylabel('评论条数')
   & H' w/ n7 G; ]7 J4 `
9. for bar, value in zip(bars, counts.values):
   
10.     ax.text(bar.get_x() + bar.get_width() / 2, value, str(value),
    # L$ s/ @1 h. _) k  F  G# O
11.             ha='center', va='bottom')
    
12. 
    
13. plt.tight_layout()
    
14. plt.show()

复制代码

图调不好时，很多问题并不在 matplotlib，而在于不知道当前运行的是哪一格代码。用 Ctrl + Enter 可以一直停在绘图格里反复验证。

三、Alt + Enter：临时验证一个想法时，马上加一格

Alt + Enter 会运行当前单元格，并在下面新建一个代码格。已经统计出正负标签数量后，如果想确认每类评论的平均长度，不需要打断原来的流程，可以直接在结果下面临时插入一格。

1. df['char_len'] = (
   
2.     df['content'].fillna('').astype(str)
   , L+ _; e2 t7 B
3.       .str.replace(r'\s+', '', regex=True).str.len()
   
4. )
   
5. 
   
6. length_summary = (
   ! @; c, i+ l: N( ?5 u4 w3 \, p
7.     df.groupby('sentiment')['char_len']
   
8.       .agg(['count', 'mean', 'median', 'max'])
   9 O; b( B: ]% k, b1 f
9. )
   
10. print(length_summary)

复制代码

先用新单元格测试，确认结果有价值后再整理进正式流程，Notebook 不会越写越乱。

四、Esc 和 Enter：很多快捷键失灵，其实是模式不对

Notebook 有两种常用状态：Enter 进入编辑模式，用来输入或修改代码；Esc 进入命令模式，用来插入、删除、移动或转换单元格。A、B、M、Y 没反应时，通常是还停在编辑模式。简单记法：要改代码按 Enter，要管理单元格按 Esc。

五、A 和 B：把 Notebook 拆成真正能读懂的分析过程
, c- ~4 z6 x) S' v. x5 k' F! [! X

按 Esc 后，A 在当前格上方插入单元格，B 在下方插入单元格。评论分析通常可以按“导入库、读取数据、检查字段、清洗、去重、统计、画图、导出”的顺序组织。若后来发现缺少去重前后对比，就回到去重单元格按 B 补一格，不要把代码硬塞到最后。

1. before = len(df)
   . E: W( {* p" s: }/ v! q
2. df = df.drop_duplicates(subset=['content']).reset_index(drop=True)
   - L' P+ C$ n9 g5 B% l! s! C
3. after = len(df)
   ( t* |( _7 e* s; G8 |9 P
4. 
   & k4 J- G4 Q7 R$ J
5. print('去重前：', before)
   ) J0 ^) h: D5 b- O7 A& ?3 K# b
6. print('去重后：', after)
   # A6 h; {) b% p  E
7. print('删除重复记录：', before - after)

复制代码

六、M：把关键判断写成说明，避免过几天忘了为什么这样处理
" S3 w- j7 u3 x- ]  W, I4 S$ l

按 Esc 后按 M，可以把代码格转换成 Markdown 格。数据分析里最容易丢的不是代码，而是判断过程：为什么删空正文、为什么评分用中位数补、为什么不直接 dropna。关键位置写一两句说明，后面复现、演示或整理投稿时都更方便。

### 数据清洗说明
; `2 {1 |+ f# e% w% E0 i8 o8 Z- 正文为空的记录无法用于分词，删除；
  {# {4 h9 D. J' }- 评分缺失先保留标记，再决定是否补齐；
- 情感标签为空时标记为 unknown，不直接猜测；
- 去重按清洗后的正文进行。

七、Y：测试完说明后，快速切回代码格
5 Z# ^( f1 e/ {; R: M7 Y% R& `

Y 可以把当前单元格转回代码格。例如先用 Markdown 写下“待检查：评分列是否能全部转换为数值”，确认需要处理后，按 Esc 再按 Y，直接改成下面的代码，不必重新插入单元格。

1. df['rating'] = pd.to_numeric(df['rating'], errors='coerce')
   + A1 D* j! P! \' m% q0 v
2. print('评分缺失：', df['rating'].isna().sum())

复制代码

八、D、D：删除测试格前，先确认它没有影响后面的变量
/ P9 u& U* o- G0 y, ~+ G: \

按 Esc 后连按两次 D，可以删除当前单元格。这个快捷键很快，但也容易误删。尤其是测试格很多时，要先看它是否定义了后面依赖的变量。

stop_words = {'这个', '那个', '然后', '就是'}

如果后面的分词代码还要用 stop_words，删掉定义单元格后，重新运行就会出现 NameError。测试代码可以删，但读取数据、清洗步骤和关键变量定义最好固定在前面。

九、H：记不住快捷键时，不要硬背
8 s6 e4 O5 ~' i; x4 K2 K: r# `

按 Esc 后按 H，可以打开快捷键帮助。刚开始没必要一次记住全部快捷键。Shift + Enter、Ctrl + Enter、Alt + Enter、Esc / Enter、A / B、M / Y、D / D 和 Ctrl + S，已经覆盖大部分数据分析场景。

十、Ctrl + S：跑长任务前一定保存

Ctrl + S 是最简单但很容易忽略的一个。读完数据并确认字段后、清洗去重完成后、图表确认后，以及运行分词、LDA 或模型训练前，都建议保存一次。基础统计重新跑不难，但任务变长、变量变多后，阶段性保存能避免很多重复操作。

总结

Notebook 快捷键不会让分析结果自动更准确，但能让过程更清楚、可复现，也更不容易因为运行顺序混乱而浪费时间。刚开始可以先练 Shift + Enter 连续跑流程、Ctrl + Enter 原地调图、Esc / Enter 切换模式、A / B 补充单元格、M 写清判断依据、Ctrl + S 保存阶段结果。

关键词
! Q- P4 l; ?4 V9 h( _

Jupyter Notebook；Python；快捷键；pandas；评论数据分析；数据清洗

1 z2 `) f  l* `! v3 E0 l, D$ E