jupyter notebook简单使用教程

jupyter notebook功能栏

"""
专业名词介绍
	cells  单元格(当前正在被编辑的代码区)
	copy	拷贝
	paste	粘贴
	above	在...上面
	below	在...下面
	replace	替换
	delete	删除
	undo	撤销
	split	分割
	merge	合并
	up		上
	down	下
	kernel  内核
"""
File功能栏
	Download as  # 将文件按照指定的文件类型导出
  
Edit功能栏
	cut cells
    copy cells
    paste cells
    delete cells
    undo delete cells
    merge cells above/below 
    move  cell up/down
 
View功能栏
	toggle line numbers  显示同一个单元格内的代码行数
 
inert功能栏
	insert cell above/below
    
cell功能栏
	run cells
    run cells and select below  # 运行当前单元格并选中下一个
    run cells and insert below  # 运行当前单元格并下面插入一个
  
kernel功能栏
	里面都是跟系统服务相关，一般情况下不要动
  
Widgets功能栏
	额外的功能补充
  
Help功能栏
	user interface tour  # 用户教程(每个人都耐心的看一遍)

快捷键

notebook中的两种模式
	命令行模式(蓝色)
    	按esc进入命令行模式(该模式下可以使用键盘快捷键)
        	
    编辑模式(绿色)
    	直接输入内容
        
1.运行当前单元格
	ctrl + enter
2.运行当前单元格并在下面重新开启一个(如果下面已经有空的那就选中)
	shift + enter
3.在当前单元格的上面添加一个单元格
	先按esc进入命令行模式
    再按a键
4.在当前单元格的下面添加一个单元格
	先按esc进入命令行模式
    再按b键
5.利用markdown语法书写标题
	先按esc进入命令行模式
    再按m键
    然后按enter直接编写即可
    最后运行即可展示出标题
6.删除当前单元格
	先按esc进入命令行模式
    再连续按两下d键
7.回退删除
	先按esc进入命令行模式、
    按z键

数据分析之Numpy

1.Numpy是高性能科学计算和数据分析的基础包
2.也是pandas等其他数据分析的工具的基础
3.Numpy具有多维数组功能，运算更加高效快速

概括:numpy主要就是用来做科学计算的，并且是很多数据分析包的基础

下载

1.如果你是python开发环境那么需要你自己手动下载
	pip3 install numpy
2.如果你是anaconda环境，那么默认是下载好的，如果没有
	conda install numpy

*需要你配置anaconda的环境变量(将scripts路径添加即可)
	E:\anaconda\Scripts*


补充:如何在notebook环境下直接执行下载命令conda和pip3
    只需要在下载模块的命令前面加一个感叹号即可

导入模块

python第三方模块在使用的时候都需要先提前导入
import numpy 

我们通常喜欢给numpy起一个更加简洁的别名
import numpy as np

# 起别名主要就是为了避免模块名过长书写麻烦的情况

别名是可以按照你的喜好随便起的，但是有很多模块的别名我们都墨守成规的使用同一个别名
# 随意
import datetime as dt
import datetime as dm
import datetime as de
# 墨守成规
import numpy as np

numpy优势

# 身高
height = [170,173,178,180,183]
# 体重
weight = [76,65,70,77,75]
'''求BMI指数:身体质量指数=体重(KG)/身高(m)的平方'''

# 这道题如果你真的想用python实现会稍微复杂一点
data_list = []
for i in range(5):
    data_list.append(weight[i]/((height[i]/100)**2))
data_list  # 在notebook环境下直接输变量名就等价于是打印操作

# 先将python里面的列表转换成numpy中的数组
w = np.array(weight)
h = np.array(height)
# 直接利用数组的数学运算
res = w/(h/100)**2
res

"""
1.numpy数组能够直接数学快速运算
2.numpy的数学计算速度要比python快多倍
"""

# 速度展示
import time
import random
# python实现1千万人BMI计算
# 伪造数据
h = []
w = []
for i in range(10000000):
    h.append(random.randint(153,180))
    w.append(random.uniform(51,88))
# for循环计算
start_time = time.time()
bmi = []
for i in range(10000000):
    bmi.append(w[i]/(h[i]/100) ** 2)
print(time.time() - start_time)
# 3.6秒


H = np.array(h)
W = np.array(w)
start_time = time.time()
# 数组运算
BMI = W/(H/100)**2
print(time.time() - start_time)
# 0.25秒

数组

numpy中的数组与python中的列表对比
[1,2,3,4,5]  # 列表
res = np.array([1,2,3,4,5])
print(res)
# 结果:array([1, 2, 3, 4, 5])  # 数组

数组分类
1.一维数组(常用)
	ar1 = np.array([1,2,3,4,5,6,7,8,9])
	array([1, 2, 3, 4, 5, 6, 7, 8, 9])
2.二维数组(频繁)
	ar2 = np.array([[1,2,3,4,5],[6,7,8,9,10]])
    array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
3.三维数组(少用)
	ar3 = np.array([[[1,2,3],[4,5,6],[7,8,9]]])
    array([[[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]]])
"""
数组既可以使用python的列表创建也可以使用python元组创建
"""

numpy中的数据类型

虽然numpy仅仅是python的一个模块，但是它有自己的数据类型
由于numpy主要是用来计算的，所以基本上都是数字相关的数据类型
布尔型			bool_	
整型			int_ int8 int16 int32 int64
	int32只能表示(-2**31，2**31-1),因为它只有32个位，只能表示2**32个数
无符号整型	   uint8 uint16 uint32 uint64	
浮点型			float_ float16 float32 float64	
复数型			complex_ complex64 complex128
"""
numpy中的数据类型名称为了避免跟python冲突
所有同名的数据类型名称都会在最后加下划线
"""

补充

***1.我们尽量做到将所有导入模块的语句写在文件的最上方(开头)

ps:我们可以先直接书写代码，写完之后将所有导入模块的语句全部整理到文件开头
    
2.在notebook环境下左侧In里面
	如果是*号表示正在运行
	如果是数字表示已经运行完毕
  
3.在执行完单元格之后
	1.如果没有任何的返回结果
		说明改变的是源数据
    2.如果有返回结果
    	说明没有改变源数据,而是产生了新的结果