pycharm里debug时如何看到数据的维度

使用表达式计算(Evaluate Expression)

调试时,使用 PyCharm 的 “Evaluate Expression” 功能可以动态查看或修改数据。具体步骤如下:

在调试模式中按 Alt + F8(Windows)或 Option + F8(Mac)来打开“Evaluate Expression”窗口。
在弹出的窗口中,输入你想要查看的数据形状表达式,如 your_array.shape 或 your_dataframe.shape。
点击 Evaluate 按钮,即可在下方看到形状信息。

控制台中查看(Debug Console)

在调试时,PyCharm 会启动一个交互式的 Debug Console(调试控制台),你可以在该控制台中输入 Python 代码进行操作,类似于 Jupyter Notebook 的交互环境。

切换到 Debug Console 面板。
在 Debug Console 中输入变量名并调用 .shape 方法:

arr.shape # 查看 NumPy 数组的形状
df.shape # 查看 Pandas 数据框的形状
按 Enter 键执行,即可直接在控制台中看到该变量的维度。
在这里插入图片描述

使用 Watch 表达式

如果你想在调试时实时跟踪变量的形状变化,可以使用 Watch 功能:

在调试模式下,打开 Watches 面板(通常位于 Variables 面板上方)。
点击 + 按钮,添加 your_array.shape 或 your_dataframe.shape 作为 Watch Expression。
每当程序执行到断点时,PyCharm 会自动更新该 Watch 表达式的值,让你可以实时看到数据的维度。
在这里插入图片描述

安装 Scientific 模式

如果你经常处理大型数据集,可以考虑使用 PyCharm 的 Scientific 模式,它专为数据科学开发设计。使用 Scientific 模式时,可以直接在右侧面板中查看数据的形状和内容。

开启 Scientific 模式步骤:
在 PyCharm 菜单栏中选择 View -> Scientific Mode。
启用后,调试时会自动显示变量维度及其可视化内容(特别适用于 NumPy 和 Pandas)。

首先,确保你使用的是 PyCharm Professional 版本,因为 Scientific Mode 仅在专业版中可用。社区版(Community Edition)不包含此功能。

检查并启用 Scientific Mode
版本检查:确认你使用的是 PyCharm Professional 版,查看菜单栏中的 Help -> About(在 Mac 上为 PyCharm -> About)来检查当前版本信息。
更新 PyCharm:确保 PyCharm 已更新至最新版本(一般在 Help -> Check for Updates 中检查更新)。
启用 Scientific Mode:
在菜单栏中选择 View -> Scientific Mode。
如果未显示该选项,可以尝试以下步骤来安装相关的插件。
安装相关插件
安装 SciView 插件:Scientific Mode 使用的是 SciView 插件,它集成了数据查看和交互工具。检查是否已经安装:

依次点击 File -> Settings(在 Mac 上为 PyCharm -> Preferences)。
选择 Plugins 选项卡。
搜索 SciView 插件。
如果未安装,点击 Install 安装该插件,然后重启 PyCharm。
安装 Python 科学计算插件

依次点击 File -> Settings -> Plugins。
搜索 Scientific,并安装与科学计算相关的插件,如 NumPy, SciPy,或 Pandas 插件。
这些插件能够为 PyCharm 提供更多的调试功能和科学计算模式支持。

快捷键速查

调试启动:Shift + F9
下一步(Step Over):F8
进入函数(Step Into):F7
Evaluate Expression:Alt + F8
切换至 Debug Console:Shift + F12(Windows)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/444865.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习 | 特征选择如何减少过拟合?

在快速发展的机器学习领域,精确模型的开发对于预测性能至关重要。过度拟合的可能性,即模型除了数据中的潜在模式外,还拾取训练集特有的噪声和振荡,这是一个固有的问题。特征选择作为一种有效的抗过拟合武器,为提高模型…

JAVA科技赋能共享台球室无人系统小程序源码

科技赋能共享台球室无人系统 —— 智慧台球新体验 🎱 科技引领,台球室迎来无人新纪元 在这个日新月异的科技时代,共享经济的浪潮席卷而来,为我们的生活带来了诸多便利。而今天,我要为大家介绍的,正是科技…

【高等代数笔记】线性空间(十九-二十四上半部分)

课程视频剪辑得太抽象了,一节课不能完整学完,拆的零零散散得。 3. 线性空间 3.19 满秩矩阵 【推论4】设 rank ( A ) r \text{rank}(\boldsymbol{A})r rank(A)r,则 A \boldsymbol{A} A的不为0的 r r r阶子式所在的列(行&#x…

2.3MyBatis——插件机制

2.3MyBatis——插件机制 1.基本用法2.原理探究2.1加载过程2.2执行过程2.2.1 插件的执行点2.2.2 SQL执行的几个阶段2.2.3 如何梳理出执行流程 合集总览:Mybatis框架梳理 插件机制是一款优秀框架不可或缺的组成部分,比如spring、dubbo,还有…

链表(2)_两两交换链表中的节点_面试题

个人主页:C忠实粉丝 欢迎 点赞👍 收藏✨ 留言✉ 加关注💓本文由 C忠实粉丝 原创 链表(2)_两两交换链表中的节点_面试题 收录于专栏【经典算法练习】 本专栏旨在分享学习算法的一点学习笔记,欢迎大家在评论区交流讨论💌…

T11:优化器对比实验

T11周:优化器对比实验 **一、前期工作**1.设置GPU,导入库 **二、数据预处理**1.导入数据2.检查数据3.配置数据集4.数据可视化 **三、构建模型****四、训练模型****五、模型评估**六、总结 🍨 本文为🔗365天深度学习训练营 中的学习记录博客&a…

【前端碎片记录】大文件分片上传

大文件分片上传,主要是为了提高上传效率,避免网络问题或者其他原因导致整个上传失败。 HTML部分没什么特殊代码,这里只写js代码。用原生js实现,框架中可参考实现 // 获取上传文件的 input框 const ipt document.querySelector(…

aws(学习笔记第五课) AWS的firewall SecurityGroup,代理转发技术

aws(学习笔记第五课) AWS的firewall– SecurityGroup,代理转发技术 学习内容: AWS的firewall– SecurityGroup代理转发技术 1. AWS的filewall– SecurityGroup 控制进入虚拟服务器的网络流量 通常的firewall(防火墙)配置 AWS上使用安全组进行网络流量…

息肉检测数据集 yolov5 yolov8适用于目标检测训练已经调整为yolo格式可直接训练yolo网络

息肉检测数据集 yolov5 yolov8格式 息肉检测数据集介绍 数据集概述 名称:息肉检测数据集(基于某公开的分割数据集调整)用途:适用于目标检测任务,特别是内窥镜图像中的息肉检测格式:YOLO格式(边…

Transactional注解导致Spring Bean定时任务失效

背景 业务需要定时捞取数据库中新增的数据做数据处理及分析,更新状态,处理结束。而我们不能随意定义线程池,规定使用统一的标准规范来定义线程池。如在配置文件中配置线程池的属性:名称,线程核心数等,任务…

04-SpringBootWeb案例(中)

3. 员工管理 完成了部门管理的功能开发之后,我们进入到下一环节员工管理功能的开发。 基于以上原型,我们可以把员工管理功能分为: 分页查询(今天完成)带条件的分页查询(今天完成)删除员工&am…

Linux_kernel内核定时器14

一、内核定时器 1、内核定时器 使用方法: 2、系统时钟中断处理函数 1)更新时间 2)检查当前时间片是否耗尽 Linux操作系统是基于时间片轮询的,属于抢占式的内核 3)jiffies 3、基本概念 1)HZ HZ决定了1秒钟产…

OCP迎来新版本,让OceanBase的运维管理更高效

近期,OceanBase的OCP发布了新版本,全面支持 OceanBase 内核 4.3.2 及更低版本。新版本针对基础运维、性能监控、运维配置、外部集成等多个方面实现了 20余项的优化及强化措施,增强产品的易用性和稳定性,从而帮助用户更加高效地管理…

中国地级市生态韧性数据及城市生态韧性数据(2000-2022年)

一测算方式: 参考C刊《管理学刊》楚尔鸣(2023)老师的做法,城市生态韧性主要衡量一个城市在面临生态环境系统压力或突发冲击时,约束污染排放、维护生态环境状态和治理能力提升的综合水平。 参考郭海红和刘新民的研究&a…

Redis持久化机制(RDBAOF详解)

目录 一、Redis持久化介绍二、Redis持久化方式1、RDB持久化(1) 介绍(2) RDB持久化触发机制(3) RDB优点和缺点(4) RDB流程 2、AOF(append only file)持久化(1) 介绍(2) AOF优点和缺点(3) AOF文件重写(4) AOF文件重写流程 三、AOF和RDB持久化注意事项 一、Redis持久化介绍 Redis…

【小工具分享】下载保存指定网页的所有图片

一、保存百度首页所有的图片 先看一下保存的图片情况 二、思路 1、打开网页 2、获取所有图片 3、依次下载保存图片到指定路径 三、完整代码 from selenium import webdriver from selenium.webdriver.common.by import By b webdriver.Firefox() import urllib.request…

C++系统教程004-数据类型(03)

一 .变量 变量是指在程序运行期间其值可以发生改变的量。每个变量都必须有一个名称作为唯一的标识,且具有一个特定的数据类型。变量使用之前,一定要先进行声明或定义。 1.变量的声明和定义 C中,变量声明是指为变量提供一个名称&#xff0c…

嵌入式面试——FreeRTOS篇(七) 软件定时器

本篇为:FreeRTOS 软件定时器篇 一、软件定时器的简介 1、定时器介绍 答: 定时器:从指定的时刻开始,经过一个指定时间,然后触发一个超时事件,用户可以自定义定时器周期。 硬件定时器:芯片本…

基于差分进化灰狼混合优化的SVM(DE-GWO-SVM)数据预测算法matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 4.1 DE优化 4.2 GWO优化 5.完整程序 1.程序功能描述 基于差分进化灰狼混合优化的SVM(DE-GWO-SVM)数据预测算法matlab仿真,对比SVM和GWO-SVM。 2.测试软件版本以及运行结果展示…

论文阅读:Split-Aperture 2-in-1 Computational Cameras (二)

Split-Aperture 2-in-1 Computational Cameras (一) Coded Optics for High Dynamic Range Imaging 接下来,文章介绍了二合一相机在几种场景下的应用,首先是高动态范围成像,现有的快照高动态范围(HDR)成像工作已经证…