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
# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# 设置在下载的时候显示源的Url
conda config --set show_channel_urls yes
# 查看源是否已经添加成功
conda config --show channels
使用conda配置环境, 创建环境
# 创建一个名为py36的环境,指定python版本为3.6
# (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)
conda create --name py36 python=3.6
激活环境
# 在windows下直接输入 activate 激活
activate py36
# 在Linux或者Mac下,使用 source activate 激活
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
# windows退出环境
deactivate py36
# Linux退出环境
source deactivate py36 # 删除环境
conda env remove -n py36
使用conda做包管理 查看已经安装的包
# 查看当前环境中的包,已安装的包和对应的版本
conda list
# 查看指定环境内的包
conda list -n py36
查找某个包
# 查找指定的包是否可以通过conda来安装
# 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
conda search numpy
# 如果卡着不动,有可能网络原因,可以使用--offline参数
conda search numpy --offline
安装包
# 通过conda来安装Numpy # 如果numpy已经安装,会提示已安装 conda install numpy
更新包
# 通过conda更新包 conda update numpy
卸载包
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:
# 将conda更新到最新版本
conda update conda
# 同样的,也可以更anaconda到最新版本
conda update anaconda
# 更新python
# 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)
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
# 查看pip的绝对路径
which pip
# 查看当前环境中的pip使用的是什么python
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 $(which pip)
#! /Users/guye/anaconda/envs/py36/bin/python # -*- coding: utf-8 -*-
import re
import sys from pip._internal import main if __name__ == '__main__':
sys.argv[0] = re.sub(r'(-script\.pyw?|\.exe)?$', '', sys.argv[0])
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)
# 在默认地址和端口启动jupyter
jupyter notebook
# 在指定地址和端口启动
jupyter notebook --ip=0.0.0.0 --port=8000
自定义jupyter界面
# 创建一个目录 .jupyter/custom
mkdir -p ~/.jupyter/custom
# 添加编辑custom.js或者custom.css
vim custom.js
# 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的更多相关文章
- python数据分析中常用的库
Python是数据处理常用工具,可以处理数量级从几K至几T不等的数据,具有较高的开发效率和可维护性,还具有较强的通用性和跨平台性,这里就为大家分享几个不错的数据分析工具,需要的朋友可以参考下 Pyth ...
- python数据分析&挖掘,机器学习环境配置
目录 一.什么是数据分析 1.这里引用网上的定义: 2.数据分析发展与组成 3.特点 二.python数据分析环境及各类常用分析包配置 1.处理的数据类型 2.为什么选择python 三.python ...
- Python数据分析工具:Pandas之Series
Python数据分析工具:Pandas之Series Pandas概述Pandas是Python的一个数据分析包,该工具为解决数据分析任务而创建.Pandas纳入大量库和标准数据模型,提供高效的操作数 ...
- Python 数据分析中常用的可视化工具
Python 数据分析中常用的可视化工具 1 Matplotlib 用于创建出版质量图表的绘图工具库,目的是为 Python 构建一个 Matlab 式的绘图接口. 1.1 安装 Anaconada ...
- Python的支持工具[0] -> 环境包管理工具[0] -> pip
pip包管理工具 / pip Package Management Tools pip是一个Python包管理工具,主要是用于安装PyPI上的软件包,可以替代easy_install工具. 1 pip ...
- Python包管理工具和多版本环境管理
1. Python包管理工具 在安装Python包的过程中,经常涉及到distutils.setuptools.distribute.setup.py.easy_install.easy_instal ...
- Python数据分析(二): Numpy技巧 (1/4)
In [1]: import numpy numpy.__version__ Out[1]: '1.13.1' In [2]: import numpy as np
- 【读书笔记与思考】《python数据分析与挖掘实战》-张良均
[读书笔记与思考]<python数据分析与挖掘实战>-张良均 最近看一些机器学习相关书籍,主要是为了拓宽视野.在阅读这本书前最吸引我的地方是实战篇,我通读全书后给我印象最深的还是实战篇.基 ...
- (python数据分析)第03章 Python的数据结构、函数和文件
本章讨论Python的内置功能,这些功能本书会用到很多.虽然扩展库,比如pandas和Numpy,使处理大数据集很方便,但它们是和Python的内置数据处理工具一同使用的. 我们会从Python最基础 ...
随机推荐
- UE4中的AI行为树简单介绍
UE4引擎中可以实现简单AI的方式有很多,行为树是其中比较常用也很实用的AI控制方式,在官网的学习文档中也有最简单的目标跟踪AI操作教程,笔者在这里只作简单介绍. AIController->和 ...
- 51 nod 1682 中位数计数
题目链接:https://www.51nod.com/onlineJudge/questionCode.html#!problemId=1682 1682 中位数计数 基准时间限制:1 秒 空间限制: ...
- HTML头标签使用-又一次定向,refresh
<html> <head> <meta http-equiv="Content-Type" content="text/html; char ...
- 关于前端惰性加载(jquery_lazyload)的使用和原理分析
1.前言 有时我们会有这样的需求,当网页有很多张图片的时候,我们不希望一次性就把图片加载完,而是希望当浏览器滑动到指定位置的时候再加载,这样可以节省带宽,它也能帮助减轻服务器负载.那么这种需求就需要利 ...
- Raft一致性算法
所有的分布式系统,都面临的一个问题是多个节点之间的数据共享问题,这个和团队协作的道理是一样的,成员可以分头干活,但总是需要共享一些必须的信息,比如谁是 leader, 都有哪些成员,依赖任务之间的顺序 ...
- c++问题整理
1.C++ 多态,多态的实现,c++虚函数,虚函数和纯虚函数有什么区别,虚函数的实现原理,虚继承,析构函数能否为虚,为什么析构要虚函数,析构函数声明为虚函数的作用,构造函数为啥不能定义为虚函数,析构函 ...
- 追溯了解Ubuntu(壹)
1.关于Ubuntu 安装完成后界面展示 Ubuntu 是一个南非的民族观念,着眼于人们之间的忠诚和联系.该词来自于祖鲁语和科萨语.Ubuntu(发音"oo-BOON-too"-- ...
- uip.h 笔记
想了解uip,可以从uip.h开始,他对主体函数有详细的说明,和案例 初始化 1 设定IP网络设定 2 初始化uip 3 处理接收包 4 ARP包处理 5 周期处理,tcp协议处理 uip_proce ...
- CTF-i春秋网鼎杯第二场misc部分writeup
CTF-i春秋网鼎杯第二场misc部分writeup 套娃 下载下来是六张图片 直接看并没有什么信息 一个一个查看属性 没有找到有用信息 到winhexv里看一下 都是标准的png图片,而且没有fla ...
- 数据结构与算法之链表(LinkedList)——简单实现
这一定要mark一下.虽然链表的实现很简单,且本次只实现了一个方法.但关键的是例子:单向链表的反转.这是当年我去H公司面试时,面试官出的的题目,而当时竟然卡壳了.现在回想起来,还是自己的基本功不扎实, ...