【Python数据分析及环境搭建】:教程详解1(第23天)

系列文章目录

  1. Python进行数据分析的优势
  2. 常用Python数据分析开源库介绍
  3. 启动Jupyter服务
  4. Jupyter Notebook的使用

文章目录

  • 系列文章目录
  • 前言
    • 学习目标
    • [1. Python进行数据分析的优势](#1. Python进行数据分析的优势)
    • [2. 常用Python数据分析开源库介绍](#2. 常用Python数据分析开源库介绍)
      • [2.1 NumPy](#2.1 NumPy)
      • [2.2 Pandas](#2.2 Pandas)
      • [2.3 Matplotlib](#2.3 Matplotlib)
      • [2.4 Seaborn](#2.4 Seaborn)
      • [2.5 Sklearn](#2.5 Sklearn)
      • [2.6 Jupyter Notebook](#2.6 Jupyter Notebook)
    • [3 启动Jupyter服务](#3 启动Jupyter服务)
      • [3.1 设置jupyter服务密码](#3.1 设置jupyter服务密码)
      • [3.2 生成Jupyter配置文件并配置](#3.2 生成Jupyter配置文件并配置)
      • [3.3 启动jupyter](#3.3 启动jupyter)
    • [4 Jupyter Notebook的使用](#4 Jupyter Notebook的使用)
      • [4.1 Jupyter Notebook的界面](#4.1 Jupyter Notebook的界面)
      • [4.2 Jupyter Notebook常用快捷键](#4.2 Jupyter Notebook常用快捷键)
      • [4.3 Jupyter Notebook中使用Markdown](#4.3 Jupyter Notebook中使用Markdown)
    • 总结

前言

本教程详解了Python做数据分析的优势,Python数据分析常用开源库,如何启动jupyter notebook,如何使用jupyter notebook。

学习目标

  • 了解Python做数据分析的优势
  • 知道Python数据分析常用开源库
  • 知道如何启动jupyter notebook
  • 知道如何使用jupyter notebook

1. Python进行数据分析的优势

  • Python作为当下最为流行的编程语言之一,可以独立完成数据分析的各种任务

    • 功能强大,在数据分析领域里有海量开源库,并持续更新

    • 是当下热点------机器学习/深度学习 领域最热门的编程语言

    • 除数据分析领域外,在爬虫,Web开发等领域均有应用

  • 与Excel,PowerBI,Tableau等软件比较

    • Excel有百万行数据限制,PowerBI ,Tableau在处理大数据的时候速度相对较慢

    • Excel,Power BI 和Tableau 需要付费购买授权

    • Python作为热门编程语言,功能远比Excel,PowerBI,Tableau等软件强大

    • Python跨平台,Windows,MacOS,Linux都可以运行

  • 与R语言比较

    • Python在处理海量数据的时候比R语言效率更高
    • Python的工程化能力更强,应用领域更广泛,R专注于统计与数据分析领域
    • Python在非结构化数据(文本,音视频,图像)和深度学习领域比R更具有优势
    • 在数据分析相关开源社区,python相关的内容远多于R语言

2. 常用Python数据分析开源库介绍

2.1 NumPy

  • NumPy(Numerical Python) 是Python数据分析必不可少的第三方库,NumPy的出现一定程度上解决了Python运算性能不佳的问题,同时提供了更加精确的数据类型,使其具备了构造复杂数据类型的能力。
  • 是一个运行速度非常快的数学库,主要用于数组计算,包含:
    • 高性能科学计算和数据分析的基础包
    • ndarray,多维数组,具有矢量(向量)运算能力,快速、节省空间
    • 矩阵运算,无需循环,可完成类似Matlab(商业数学软件)中的矢量运算
    • 用于读写磁盘数据的工具以及用于操作内存映射文件的工具

2.2 Pandas

  • Pandas是一个强大的分析结构化数据的工具集,Pandas丰富的API能够更加灵活、快速的对数据进行清洗、处理以及分析。

  • Pandas在数据处理上具有独特的优势:

    • 底层是基于NumPy构建的,所以运行速度特别的快
    • 有专门的处理缺失数据的API
    • 具有强大而灵活的分组、聚合、转换功能
  • Pandas利器之==Series==

    • Series是一种类似于一维数据的数据结构
    • 是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即行索引)组成
    • 仅由一组数据也可产生简单的Series对象
  • Pandas利器之==DataFrame==

    • DataFrame是一种表格型的数据结构,既有行索引也有列索引,可以简单的把DataFrame理解为一张数据表

    • 包含有一组或多组有序的列(Series),每列可以是不同的值类型(数值、字符串、布尔型等)

2.3 Matplotlib

  • Matplotlib 是一个功能强大的数据可视化开源Python库
  • Python中使用最多的图形绘图库
  • 可以创建静态,动态和交互式的图表

2.4 Seaborn

  • Seaborn是一个Python数据可视化开源库
  • 建立在matplotlib之上,并集成了pandas的数据结构
  • Seaborn通过更简洁的API来绘制信息更丰富,更具吸引力的图像
  • 面向数据集的API,与Pandas配合使用起来比直接使用Matplotlib更方便

2.5 Sklearn

  • scikit-learn 是基于 Python 语言的机器学习工具
    • 简单高效的数据挖掘和数据分析工具
    • 可供大家在各种环境中重复使用
    • 建立在 NumPy ,SciPy(Scientific Python) 和 matplotlib 上

2.6 Jupyter Notebook

  • Jupyter Notebook是一个开源Web应用程序,使用Jupyter Notebook可以创建和共享
    • 代码
    • 数学公式
    • 可视化图表
    • 笔记文档
  • Jupyter Notebook用途
    • 数据清理和转换
    • 统计分析
    • 数据可视化
    • 机器学习等
  • Jupyter Notebook是数据分析学习和开发的首选开发环境

3 启动Jupyter服务

3.1 设置jupyter服务密码

  • 进入python的命令终端, 在linux终端执行 python 命令

  • 输入以下代码设置密码, 记录生成的密码字符串

    python 复制代码
    from notebook.auth import passwd
    passwd() # 设置自己的密码,然后两次输入确认生成加密字符串, 密码设置为123456即可

3.2 生成Jupyter配置文件并配置

  • 在linux终端执行以下命令, 生成jupyter_notebook_config.py配置文件

    sh 复制代码
    jupyter notebook --generate-config
  • 打开jupyter_notebook_config.py配置文件, 在最后添加以下内容即可

    sh 复制代码
    # 打开文件
    vim ~/.jupyter/jupyter_notebook_config.py
    # 添加以下内容
    c.NotebookApp.allow_remote_access = True  #允许远程访问
    c.NotebookApp.allow_root = True          #允许root访问
    c.NotebookApp.ip='*'                     # 所有ip皆可访问  
    c.NotebookApp.password = '上面复制的那个字符串'    
    c.NotebookApp.open_browser = False       # 禁止自动打开浏览器  
    c.NotebookApp.port =8888                 # 端口
    c.NotebookApp.notebook_dir = '/' 

3.3 启动jupyter

  • linux终端输入 jupyter notebook 命令启动

    sh 复制代码
    jupyter notebook
  • 在本地浏览器中输入 192.168.88.100:8888, 进入jupyter的web界面

  • 注意: 不要关闭jupyter服务

4 Jupyter Notebook的使用

4.1 Jupyter Notebook的界面

  • 新建notebook文档

    注意:Jupyter Notebook 文档的扩展名为.ipynb,与我们正常熟知的.py后缀不同

  • 新建文件之后会打开Notebook界面

  • 菜单栏中相关按钮功能介绍:

    Jupyter Notebook的代码的输入框和输出显示的结果都称之为cell,cell行号前的 * ,表示代码正在运行

4.2 Jupyter Notebook常用快捷键

Jupyter Notebook中分为两种模式:命令模式和编辑模式

  • 两种模式通用快捷键

    • Shift+Enter,执行本单元代码,并跳转到下一单元
    • Ctrl+Enter,执行本单元代码,留在本单元
  • 按ESC进入命令模式

    • Y,cell切换到Code模式
    • M,cell切换到Markdown模式
    • A,在当前cell的上面添加cell
    • B,在当前cell的下面添加cell
    • 双击D:删除当前cell
  • 编辑模式:按Enter进入,或鼠标点击代码编辑框体的输入区域

    • 撤销:Ctrl+Z(Mac:CMD+Z)
    • 补全代码:变量、方法后跟Tab键
    • 为一行或多行代码添加/取消注释:Ctrl+/(Mac:CMD+/)

4.3 Jupyter Notebook中使用Markdown

  • 在命令模式中,按M即可进入到Markdown编辑模式

  • 使用Markdown语法可以在代码间穿插格式化的文本作为说明文字或笔记

  • Markdown基本语法:标题和缩进

  • 效果如下图所示

总结

  • 了解Python做数据分析的优势

    • Python可以独立高效的完成数据分析相关的全部工作
  • 知道Python数据分析常用开源库

    • Pandas
    • Numpy
    • Matplotlib
    • Seaborn
    • sklearn
  • 会启动和使用jupyter notebook

相关推荐
千天夜5 分钟前
使用UDP协议传输视频流!(分片、缓存)
python·网络协议·udp·视频流
测试界的酸菜鱼9 分钟前
Python 大数据展示屏实例
大数据·开发语言·python
羊小猪~~13 分钟前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
晨曦_子画18 分钟前
编程语言之战:AI 之后的 Kotlin 与 Java
android·java·开发语言·人工智能·kotlin
Black_Friend26 分钟前
关于在VS中使用Qt不同版本报错的问题
开发语言·qt
放飞自我的Coder42 分钟前
【python ROUGE BLEU jiaba.cut NLP常用的指标计算】
python·自然语言处理·bleu·rouge·jieba分词
希言JY1 小时前
C字符串 | 字符串处理函数 | 使用 | 原理 | 实现
c语言·开发语言
残月只会敲键盘1 小时前
php代码审计--常见函数整理
开发语言·php
xianwu5431 小时前
反向代理模块
linux·开发语言·网络·git
ktkiko111 小时前
Java中的远程方法调用——RPC详解
java·开发语言·rpc