Python【7】-数据分析准备

简介:

一、经常用到的python库:

Numpy:Python科学计算的基础包;

pandas:提供了能使我们快捷的处理结构化数据的大量数据结构和函数;

matplotlib:用于绘制数据图表的python库;

IPython:一个增强的python shell,用于交互式处理和使用matplotlib对数据进行可视化处理。

二、环境安装

1.Windows安装EPDFree:

卸载之前安装的python;

下载EDPFree地址:https://store.enthought.com/downloads/#default

下载完成后安装canopy-1.7.2-win-64.msi

在命令行输入python,界面如下:

Image[4]

2.安装pip:

下载 get-pip.py  点此下载

命令行以管理员身份执行 python D:\SoftWare\Python\get-pip.py

然后输入:pip

Image(1)[4]

3.验证pandas是否可用:

输入IPython --pylab

Image(2)[4]

然后输入:

import pandas

plot(arange(10))

Image(3)[4]

四、IPython使用基础

1.IPython基础

如何启动IPython?

cmd.exe打开命令行,然后输入ipython

Image(4)[4]

接下来就可以输入Python语句了,回车执行。

2.Tab键自动完成

按下Tab键,当前命名空间中与输入内容匹配的变量、函数等都会被找出来。

Image(5)[4]

3.内省?

在变量的前面或者后面加上问号,可以显示该变量的相关信息。这个功能叫做内省。

Image(6)[4]

4.%run

文件可以通过%run命令当做python程序执行。例如我们有文件demo_dict.py

复制代码
d={"chen":60,"zhang":80}
print(d)

d['chen']=65
print(d)
print(d.get("liu",0))

d['liu']=85
print(d)

d.pop('liu')
print(d)

print(d.keys())
print(d.values())

d1={'a':100,'b':99}
d.update(d1)
print(d)
复制代码

 

使用命令行:%run E:\Demo\python\demo_dict.py执行结果如下

Image(7)[4]

而且执行后,我们还可以在ipython中执行访问文件中的变量

Image(8)[4]

5.执行剪贴板中的代码

使用%paste命令可以粘贴剪贴板中的文本,并以shell命令形式执行。

Image(9)[5]

 

如需转载,请标明原文链接:http://www.cnblogs.com/janes/




    本文转自 陈敬(Cathy) 博客园博客,原文链接:http://www.cnblogs.com/janes/p/5535162.html,如需转载请自行联系原作者

相关文章
|
4天前
|
数据采集 存储 API
网络爬虫与数据采集:使用Python自动化获取网页数据
【4月更文挑战第12天】本文介绍了Python网络爬虫的基础知识,包括网络爬虫概念(请求网页、解析、存储数据和处理异常)和Python常用的爬虫库requests(发送HTTP请求)与BeautifulSoup(解析HTML)。通过基本流程示例展示了如何导入库、发送请求、解析网页、提取数据、存储数据及处理异常。还提到了Python爬虫的实际应用,如获取新闻数据和商品信息。
|
8天前
|
人工智能 数据可视化 数据挖掘
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
|
13天前
|
存储 数据挖掘 数据库
【Python】python天气数据抓取与数据分析(源码+论文)【独一无二】
【Python】python天气数据抓取与数据分析(源码+论文)【独一无二】
|
6天前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析
在这篇文章中,我们将探索Python在数据分析中的应用,介绍几个关键的库,如Pandas、NumPy、Matplotlib,以及如何使用它们进行有效的数据处理和可视化。本文旨在为初学者提供一个清晰、简洁的指南,让读者能够快速掌握使用Python进行数据分析的基本技能,并通过一个实例加深理解。不同于其他文章的冗长解释和复杂示例,我们将以最直接、易懂的方式,让你迅速上手,即使是完全没有编程背景的读者也能轻松跟上。
|
1天前
|
机器学习/深度学习 数据采集 数据挖掘
Python 的科学计算和数据分析: 解释什么是数据规整(Data Wrangling)?
数据规整是将原始数据转化为适合分析和建模的格式的关键步骤,涉及缺失值处理(删除、填充、插值)、异常值检测与处理、数据类型转换、重采样、数据合并、特征选择和特征变换等任务。这些预处理步骤确保数据质量和准确性,为后续的数据分析和机器学习模型构建奠定基础。
12 4
|
2天前
|
存储 安全 数据处理
python如何将数据写到数组里
【4月更文挑战第12天】
|
4天前
|
机器学习/深度学习 数据可视化 数据挖掘
用Python进行健康数据分析:挖掘医疗统计中的信息
【4月更文挑战第12天】Python在医疗健康数据分析中扮演重要角色,具备数据处理、机器学习、可视化及丰富生态的优势。基本流程包括数据获取、预处理、探索、模型选择与训练、评估优化及结果可视化。应用案例包括疾病预测、药物效果分析和医疗资源优化,例如使用RandomForestClassifier进行疾病预测,Logit模型分析药物效果,以及linprog优化医疗资源配置。
|
8天前
|
机器学习/深度学习 数据可视化 算法
【python】Python大豆特征数据分析 [机器学习版一](代码+论文)【独一无二】
【python】Python大豆特征数据分析 [机器学习版一](代码+论文)【独一无二】
|
8天前
|
机器学习/深度学习 数据可视化 数据挖掘
【python】双十一美妆数据分析可视化 [聚类分析/线性回归/支持向量机](代码+报告)【独一无二】
【python】双十一美妆数据分析可视化 [聚类分析/线性回归/支持向量机](代码+报告)【独一无二】
|
9天前
|
机器学习/深度学习 数据可视化 数据挖掘
利用Python进行数据分析与可视化:从入门到精通
本文将介绍如何使用Python语言进行数据分析与可视化,从基础概念到高级技巧一应俱全。通过学习本文,读者将掌握Python在数据处理、分析和可视化方面的核心技能,为实际项目应用打下坚实基础。