数据分析基础之《jupyter notebook工具》

一、安装库

1、linux库

yum install python3-devel

2、python库

pip3 install -U matplotlib

pip3 install -U numpy

pip3 install -U pandas

pip3 install -U TA-Lib

pip3 install -U tables

pip3 install -U notebook

3、如果TA-Lib安装不上,先手动安装依赖库

cd /tmp

wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz

tar -zxvf ta-lib-0.4.0-src.tar.gz

cd ta-lib

./configure

make

make install

4、库说明

matplotlib:二维绘图设计工具

numpy:进行科学计算的基础软件包(数组、矩阵)

pandas:数据分析包

TA-Lib:金融技术指标库

tables:读取hdf5文件工具

notebook:数据分析与展示的平台

二、jupyter notebook介绍

1、什么是jupyter notebook

(1)jupyter notebook原名ipython notebook,是ipython的加强网页版,一个开源web应用程序

(2)名字源自julia、python和R(数据科学的三种开源语言)

(3)是一款程序员和科学工作者的编程、文档、笔记、展示软件

(4).ipynb文件格式是用于计算型叙述的JSON文档格式的正式规范

(5)参考jupiter 木星 宙斯

2、为什么使用jupyter notebook

(1)在画图方面的优势

(2)实时数据展示

(3)保留读取结果

3、启动

jupyter notebook --allow-root --ip 192.168.1.100

三、jupyter notebook使用

1、运行代码

快捷键:shift + enter

或者在Cell菜单中:

Run Cells and Select Below:运行并选择下一行

2、导航栏-Kernel

(1)Interrupt:中断代码执行(程序卡死时)

(2)Restart:重启python内核(执行太慢时重置全部资源)

(3)Restart & Clear Output:重启并清除所有输出

(4)Restart & Run All:重启并运行所有代码

四、cell操作

1、什么是cell

cell:一对In、Out会话被视作一个代码单元,称为cell

2、cell编辑两种模式

(1)编辑模式(Enter)

命令模式下 回车Enter 或 鼠标选择 cell进入编辑模式

可以操作cell内文本或代码,剪切 / 复制 / 粘贴 / 移动等操作

框呈绿色

(2)命令模式(Esc)

按 Esc 退出编辑,进入命令模式

可以操作cell单元本身进行,剪切 / 复制 / 粘贴 / 移动等操作

框呈蓝色

3、操作细节

4、命令模式常用快捷键

(1)a:在当前 cell 的上面添加 cell

(2)b:在当前 cell 的下面添加 cell

(3)双击d:删除当前 cell

(4)y or m:切换 code 和 markdown

5、编辑模式常用快捷键

(1)多光标操作:Ctrl键 + 点击鼠标

(2)回退:Ctrl+Z

(3)补全代码:变量、方法后跟 Tab 键

(4)为一行或多行代码添加 / 取消注释:Ctrl+/

五、markdown演示

1、标题和缩进

python 复制代码
print("hello world")

a = 1
b = 2
c = a + b

# 不打印以out的形式输出
c

print(c)

# 一级标题
## 二级标题
### 三级标题
#### 四级标题
##### 五级标题

- 一级缩进
    - 二级缩进
        - 三级缩进
相关推荐
写代码的【黑咖啡】14 小时前
Python中的Pandas:数据分析的利器
python·数据分析·pandas
databook1 天前
数据分析师的“水晶球”:时间序列分析
python·数据挖掘·数据分析
ClkLog-开源埋点用户分析2 天前
【埋点分析系统】初次选型的实用指南(附开源解决方案)
数据分析·开源·开源软件·用户画像·埋点分析
电商API_180079052473 天前
淘宝商品视频提取API全解析:从授权到落地实战
爬虫·python·信息可视化·数据分析·音视频
没有梦想的咸鱼185-1037-16633 天前
面向自然科学的人工智能建模方法【涵盖机器学习与深度学习的核心方法(如随机森林、XGBoost、CNN、LSTM、Transformer等)】
人工智能·深度学习·随机森林·机器学习·数据分析·卷积神经网络·transformer
十三画者3 天前
【文献分享】PepQueryMHC:基于免疫肽组学数据实现肿瘤抗原的快速全面筛选
数据挖掘·数据分析
DX_水位流量监测3 天前
地埋式积水监测仪:城市防涝的智能感知核心
大数据·网络·人工智能·数据分析·自动化
TM1Club3 天前
Zoey的TM1聊天室|#3 合并报表提速:业财一体如何实现关联方对账自动化
大数据·开发语言·人工智能·经验分享·数据分析·自动化·数据库系统
yousuotu3 天前
基于Python实现亚马逊销售数据分析与预测
开发语言·python·数据分析
超自然祈祷3 天前
从数据挖掘到人工智能的脉络地图
人工智能·机器学习·数据挖掘·数据分析