Python数据分析入门笔记1——学习前的准备

系列文章目录

---

---

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

小小社畜业余学习过程中的随笔，尽量坚持，加油！

---

一、Python数据分析学习之前的准备

1.设备和环境准备

​安装Python3.9，Anaconda3，Pycharm，电脑可用空间>5GB，电脑4核以上，不建议用古董机操作，我2013年的双核古董机亲测带不动。

2.知识储备

要求具备一定编程基础及Python基础，最好对微积分和统计学常见算法也有所了解。缺编程的补编程，缺数学的边学边补数学。
求大神告诉我数学小白看哪个入门快？
编程小白推荐：黑马程序员Python小白快速入门教程——美女老师版
有基础的建议恶补：

• Python中与其他语言不同的地方，如**表示幂运算、and、or、not、in、not in等；基本输入输出方法各参数的含义；
• Python序列结构：列表、元组、字典、集合的定义、初始化及各种操作；
• Python函数部分：函数的定义、传参、调用、lambda、生成器等部分；

二、基本概念介绍

1. NumPy库

NumPy(Numerical Python)是Python语言的一个扩展程序库，主要用于数组计算。
功能包括：多维数组、线性代数、傅里叶变换、随机数生成等。
两种对象：N维数组对象 ndarray和ufunc函数。

2. Pandas库

Pandas是Python的一个数据分析包，
它的使用基础是Numpy（提供高性能的矩阵运算），
用于数据挖掘和数据分析，同时也提供数据清洗功能。

Pandas的优势：能读写各种格式的数据源，且返回的对象相同，便于统一处理。并且为时间序列分析提供支持。

3. Matplotlib 库

Matplotlib 是Python中使用最多的图形绘图库，可以创建静态, 动态和交互式的图表。常与NumPy库结合，广泛用于数据的可视化。

4. Seaborn库

Seaborn是一个Python数据可视化开源库。
建立在matplotlib基础上，并集成了pandas的数据结构。
Seaborn通过更简洁的API来绘制信息更丰富，更具吸引力的图像。
面向数据集的API，与Pandas配合使用起来比直接使用Matplotlib更方便。

5. Sklearn 库

sklearn(scikit-learn) 是基于 Python 语言的机器学习工具。
建立在 NumPy ，SciPy 和 matplotlib 基础上。
功能：数据挖掘和数据分析。具体包括数据的加载、划分、预处理、降维。

三、Jupyter Notebook

1. Jupyter Notebook介绍

Jupyter Notebook是一个开源Web应用程序，使用Jupyter Notebook可以创建和共享：

• 代码
• 数学公式
• 可视化图表
• 笔记文档

Jupyter Notebook用途

• 数据清理和转换
• 数值模拟
• 统计分析
• 数据可视化
• 机器学习等

Jupyter Notebook是数据分析学习和开发的首选开发环境。

2. Jupyter Notebook的使用

• 搜索Anaconda Prompt，并打开。

• 第二步：输入jupyter notebook，并回车执行，即可打开页面。
  
• 第三步：认识jupyter页面基本功能，我是新手，所以只关注了这几个地方。
• 第四步：新建文件啦！
  
• 第五步：退出jupyter
  在Anaconda Prompt里面，按住Ctrl+C 键强制退出。
  请教几个问题：强制退出之前，jupyter中是否需要logout或者quit？
  如果不想强制退出，在jupyter中要如何操作？

3. Jupyter Notebook中最常用的快捷键

Jupyter的使用很方便，每次敲好一行或几行，就按一下Shift+Enter键，会自动执行本单元并且在后面新增一个空白区域可以继续输入。
如果写好了很多个代码块，也不需要顺序执行，可以直接单击要运行的地方，选中后按Ctrl+Enter键即可。

Shift-Enter：执行当前单元的代码，并跳转到下一个单元。如果当前是最后一个单元，则在后面新增一个单元并进入。这个操作类似点击主菜单的cell-run，或工具栏中的play运行按钮

Ctrl-Enter : 运行本单元

Alt-Enter : 运行本单元，在其下插入新单元

---

总结

例如：到现在，终于认识了这几个库，并且学会了jupyter的使用，成功迈出了第一步！ 新手上路，欢迎各位补充指正！

---

声明

本文资料来源于互联网和黑马程序员，侵删。