python数据分析的工具环境

python做数据分析的优势:

拥有大量的库为数据分析和处理提供了完整的工具链
随着库还在不断的增加的同时, 算法的实现也更加的创新。Numpy, matplotlib, scipy,scikit-learn
python还能和其他多语言对接，比如C语言等
相对于R和MATLAB，python可做的事情更多, 一系列的连贯性更加好, 如web开发，爬虫，脚本、运维、机器学习

环境:

将使用 Anaconda 作为数据分析的工具(在后续的KNN近邻算法, 线性回归等也同样会用Anaconda来完成)

Anaconda : 一个跨语言、跨系统的集包管理、环境管理于一身的工具

Anaconda的特点： - 开源 - 安装使用简便, 且已集成大量现有库 - 支持python和R语言

下载地址： https://www.anaconda.com/download

安装过程 :

windows 注意： - 选just for me 选项 - 添加到path 中 - 安装完后在开始菜单可以看到如下图显示:

Linux 注意： - 添加到.bashrc文件，并source这个文件

安装完成以后，如何检查是否已经安装成功： ``` conda --version ```

升级到最新版本 ``` conda update conda ```

这儿可以自行把源修改为国内的清华源地址 (不改也行), 但帅的人都会改, 下载包的速度确实很快 , 清华源地址：

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

具体修改：根据上图, 打开Anaconda Prompt , 输入下列代码即可

1 # 添加清华源
2     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
3     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
4     # 设置在下载的时候显示源的Url
5     conda config --set show_channel_urls yes
6     # 查看源是否已经添加成功
7     conda config --show channels

使用conda配置环境, 创建环境

1 # 创建一个名为py36的环境，指定python版本为3.6
2     # (不管是指定哪个版本,conda会为我们自动寻找最新的版本,注意,这儿选的是python3.6,是会自动选择3.6版本里的最新小版本, 比如3.6.x,而不是整个python的大版本)
3     conda create --name py36 python=3.6

激活环境

1  # 在windows下直接输入 activate 激活
2     activate py36
3     # 在Linux或者Mac下，使用 source activate 激活
4     source activate py36

激活以后，会发现控制台的命令行前面多了个(py36)的字样，这表示我们已经进入py35的环境里了

1  # windows退出环境
2     deactivate py36    
3     # Linux退出环境
4     source deactivate py36
5 
6     # 删除环境
7     conda env remove -n py36

使用conda做包管理查看已经安装的包

1 # 查看当前环境中的包，已安装的包和对应的版本
2     conda list
3     # 查看指定环境内的包
4     conda list -n py36

查找某个包

1  # 查找指定的包是否可以通过conda来安装
2     # 会返回这个包的信息，如果能看到相关信息，说明这个包可能用conda来安装
3     conda search numpy
4     # 如果卡着不动，有可能网络原因，可以使用--offline参数
5     conda search numpy --offline

安装包

1 # 通过conda来安装Numpy 2 # 如果numpy已经安装，会提示已安装 3 conda install numpy

更新包

1 # 通过conda更新包 2 conda update numpy

卸载包

1 conda remove numpy

以上就是conda对包的安装、更新、卸载。conda将conda、python、pip都视为包，因此，完全可以使用conda来管理conda和python的版本，比如：

1  # 将conda更新到最新版本
2     conda update conda
3     # 同样的，也可以更anaconda到最新版本
4     conda update anaconda
5     # 更新python
6     # 比如我们现在是python3.6.4,执行下面的命令，就会更新到python3.6.x的最新版本(例如3.6.5)
7     conda update python

conda 和virtualenv / pip 的关系和区别

anaconda包含了navigator、prompt、conda、jupyter这些工具，同时也包含了python、pip、virtualenv等工具库

conda和pip的关系：

conda是包管理和环境管理工具，conda还支持多种环境的管理，包括python、R,注意：包括语言本身，不仅仅是语言的包 -
pip仅仅是python的包管理工具 -
conda不会影响系统自带的python

conda和virtualenv的关系:

conda是结合了pip和virtualenv的功能
conda可以创建多个Python版本的虚拟环境
virtualenv只能创建指定版本的环境

如何判断管理虚拟环境

1     # 查看pip的绝对路径
2     which pip
3     # 查看当前环境中的pip使用的是什么python
4     cat $(which pip)

我们可以编辑pip文件中的第一行，来改变我们的pip使用的python解释器

vim $(which pip)

 1  #! /Users/guye/anaconda/envs/py36/bin/python
 2     
 3     # -*- coding: utf-8 -*-
 4     import re
 5     import sys
 6     
 7     from pip._internal import main
 8     
 9     if __name__ == '__main__':
10         sys.argv[0] = re.sub(r'(-script\.pyw?|\.exe)?$', '', sys.argv[0])
11         sys.exit(main())

或者也可以直接写pip的绝对路径来安装包

jupyter notebook的使用

启动juypter (会自动打开电脑默认设置的浏览器,我这儿的默认浏览器是谷歌)

1 # 在默认地址和端口启动jupyter
2     jupyter notebook 
3     # 在指定地址和端口启动
4     jupyter notebook --ip=0.0.0.0 --port=8000

自定义jupyter界面

1 # 创建一个目录 .jupyter/custom
2     mkdir -p ~/.jupyter/custom
3     # 添加编辑custom.js或者custom.css
4     vim custom.js
5     # 在js文件内写javascript代码

技术交流可以留言评论哦 ! 虚心学习, 不忘初心, 共同奋进 !

python数据分析的工具环境

猜你喜欢