Hello, 大家好, 昨天说了我会再更新一个关于 Pandas 基础知识的教程, 这里就是啦......
Pandas 被广泛应用于数据分析领域, 是一个很好的分析工具, 也是我们后面学习 machine learning 的一个必备技能. 
因为我们后面会经常提到和用到一个词 --- Dataframe(为了方便日后学习, 这里就不勉强翻译了), 首先想介绍一下它的概念:
Dataframe 是 Pandas 中的一个主要对象. 它以行和列的形式展示数据, 就是很接近于 excel 表的样子.

首先, Pandas 的安装非常简单, 你只需要在终端运行如下命令就可以了. 关于 pip 如何安装, 需要大家自行 google.

pip3 install pandas

这之后就可以在任何编辑器里学习使用 Pandas 了, 其实我最开始学的时候, 也是使用 vs code + item, 这种方法很简洁, 同时也被一些大神推崇, 但是后来我又学到一个很好的运行 Pandas 的工具, 这里介绍给大家, 就是 jupyter, 在这里做数据分析, 就好像是在 excel 中一样直观, 我觉得可能也比较适合初学者吧. 下面来看一下如何安装(官网推荐有不同的安装方式, 这里我只介绍一种哈, 有兴趣的童鞋可以在官网深入了解一下, 链接在这里: https://jupyter.org/install)
我介绍的这种安装方式, 是确定你已经安装了 python3, 在终端执行以下命令:

python3 -m pip install --upgrade pip

python3 -m pip install jupyter

然后, 通过以下命令开启 jupyter notebook:

jupyter notebook

之后你的浏览器就会自动打开这个窗口:


按照图中标红的位置, 新建一个文件吧.
下图是给大家介绍几个常用的操作, 其他的大家自行探索吧, 其实最主要的就是查看以下各个命令的快捷键怎么用, 会方便很多哦.

OK, 以上, 就算是一个简单的入门准备工作, 下节开始会逐一介绍 Pandas 的各种使用方法. 
大家如果有任何问题或者意见或者不同看法, 欢迎留言呦. 
See you!!!

Pandas 基础(1) - 初识及安装 yupyter的更多相关文章

  1. 利用Python进行数据分析(9) pandas基础: 汇总统计和计算

    pandas 对象拥有一些常用的数学和统计方法.   例如,sum() 方法,进行列小计:   sum() 方法传入 axis=1 指定为横向汇总,即行小计:   idxmax() 获取最大值对应的索 ...

  2. 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作

    一.reindex() 方法:重新索引 针对 Series   重新索引指的是根据index参数重新进行排序. 如果传入的索引值在数据里不存在,则不会报错,而是添加缺失值的新行. 不想用缺失值,可以用 ...

  3. 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍

    一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目的是为了数据分析.它提供了大量高级的数据结构和对数据处理的方法. pandas 有两个主要的数据结构 ...

  4. Pandas基础学习与Spark Python初探

    摘要:pandas是一个强大的Python数据分析工具包,pandas的两个主要数据结构Series(一维)和DataFrame(二维)处理了金融,统计,社会中的绝大多数典型用例科学,以及许多工程领域 ...

  5. python之pandas学习笔记-初识pandas

    初识pandas python最擅长的就是数据处理,而pandas则是python用于数据分析的最常用工具之一,所以学python一定要学pandas库的使用. pandas为python提供了高性能 ...

  6. Linux 基础指令初识

    Linux 基础指令初识 01. ls 指令 语法: ls [选项] [目录或文件] 功能:对于目录,该命令列出该目录下的所有子目录与文件.对于文件,将列出文件名以及其他信息 -a 列出目录下的所有文 ...

  7. 利用Python进行数据分析(12) pandas基础: 数据合并

    pandas 提供了三种主要方法可以对数据进行合并: pandas.merge()方法:数据库风格的合并: pandas.concat()方法:轴向连接,即沿着一条轴将多个对象堆叠到一起: 实例方法c ...

  8. numpy&pandas基础

    numpy基础 import numpy as np 定义array In [156]: np.ones(3) Out[156]: array([1., 1., 1.]) In [157]: np.o ...

  9. linux基础学习之软件安装以及常用命令

    linux基础学习之软件安装以及常用命令 调用中央仓库: yum install wget 然后下载nodejs: wget https://nodejs.org/dist/v10.14.2/node ...

随机推荐

  1. python PIL 图像处理操作

    python PIL 图像处理 # 导入Image库 import Image # 读取图片 im = Image.open("1234.jpg") # 显示图片 im.show( ...

  2. [转载]css3的一个控制背景的属性，background-size可以缩放大小啦

    background-size需要两个值,它的类型可以是像素(px).百分比(%)或是auto,还可以是cover和contain.第一个值为背景图的width,另外一个值用于指定背景图上的heigh ...

  3. DNS缓存中毒的知识

    网络上出现互联网漏洞——DNS缓存漏洞,此漏洞直指我们应用中互联网脆弱的安全系统,而安全性差的根源在于设计缺陷.利用该漏洞轻则可以让用户无法打开网页,重则是网络钓鱼和金融诈骗,给受害者造成巨大损失. ...

  4. Django后端项目---- rest framework（3）

    一.版本 程序也来越大时,可能通过版本不同做不同的处理 没用rest_framework之前,我们可以通过以下这样的方式去获取. class UserView(APIView): def get(se ...

  5. mergesort_arithmetic_python

    def merge(a, b): c = [] h = j = 0 while j < len(a) and h < len(b): if a[j] < b[h]: c.append ...

  6. 大数据自学3-Windows客户端DbVisualizer/SQuirreL配置连接hive

    前面已经学习了将数据从Sql Server导入到Hive DB,并在Hue的Web界面可以查询,接下来是配置客户端工具直接连Hive数据库,常用的有DbVisualizer.SQuirreL SQL ...

  7. EL和jstl(概念和使用方法)

    概念: 1 .  JSP 标签 是用来替换java代码的技术,容器遇到标签后会将其转换成java代码,jsp标签类似于开始标记.属性.结束标记.标签体. EL表达式是一套简单的运算规则,用于给jsp标 ...

  8. gcahce事物不够，借助binlog追上

    gcahce事物不够,借助binlog追上 宕机节点以单机集群启动,既自己作为一个集群启动,不过UUID要和旧的集群保持一致: 修复grastate.dat 文件的方式这里略,直接通过wsrep_re ...

  9. MyBatis批量更新

    逐条更新 这种方式显然是最简单,也最不容易出错的,即便出错也只是影响到当条出错的数据,而且可以对每条数据都比较可控. 代码 updateBatch(List<MyData> datas){ ...

  10. Codeforces 844D Interactive LowerBound - 随机化

    This is an interactive problem. You are given a sorted in increasing order singly linked list. You s ...