Python入门系列专栏目录及前言

目录

1. 变量和数据类型

   • 1.1 变量
     • 1.1.1 变量的创建和变量的命名规则
     • 1.1.2 变量的赋值和变量的作用域
     • 1.1.3 可变对象和不可变对象（mutable and immutable objects）
     • 1.1.4 删除变量
     • 1.1.5 变量类型和数据类型关系
   • 1.2 数据类型
     • 1.2.1 数值（number）
     • 1.2.2 字符串（string）
     • 1.2.3 布尔值（boolean）
   • 1.3 控制台输出（print）
     • 1.3.1 基本用法
     • 1.3.2 关键参数
     • 1.3.3 高级字符串格式化

2. 基础数据结构

   • 2.1 列表 list
   • 2.2 元祖 tuple
   • 2.3 字典 dictionary
   • 2.4 集合 set

3. 基本运算符

   • 3.1 算术运算符 Arithmetic Operators
   • 3.2 比较运算符 Comparison Operators
   • 3.3 赋值运算符 Assignment Operators
   • 3.4 逻辑运算符 Logical Operators
   • 3.5 位运算符 Bitwise Operators
   • 3.6 成员运算符 Membership Operators
   • 3.7 身份运算符 Identity Operators

4. 条件判断和匹配

5. 循环语句

6. 函数

7. 模块

8. 异常处理

9. 面向对象编程

10. IO编程

11. Pandas

12. Numpy

13. Scipy

14. TA-Lib

15. StatModels

16. Scikit-Learn

17. Keras

18. TensorFlow

19. Matplotlib

20. Seaborn

21. Plotly

22. PyMySQL

---

前言

Python使用第一步：Anaconda下载和搭配环境
关于这一步，最佳的方法是根据下载的Anaconda版本号，找到对应的教程一步步往下。原因是每个版本下载页面大致相同但会出现让人困扰的下载提示，所以对应教程为佳。这里引用Anaconda超详细安装教程（Windows环境下）和Anaconda 修改默认虚拟环境安装位置作为指引。同时提供一些重要的conda命令：

1. 查看安装包列表

conda list

运行这个命令将会列出当前激活环境中安装的所有包及其版本。如果想查看特定环境中的包，需要先激活那个环境，或者指定环境名。例如：

conda list -n 已安装包列表的环境名称

如果使用的是Anaconda Navigator（Anaconda的图形用户界面），也可以在界面中查看每个环境的已安装包列表。

1. 打开Anaconda Navigator。
2. 选择Environments选项卡。
3. 在左侧的环境列表中选择环境。
4. 界面中间的部分将显示该环境中安装的包和版本号。

如果是不含conda的纯Python环境，可以使用pip来查看已安装的包：

pip list

2. 查看版本

conda --version

python --version

如果存在多个Python版本（比如Python 2和Python 3），可能需要使用：

python3 --version

也可以用：

conda -V #注意V是大写

python -V #注意V是大写

3. 管理包

   • 安装包:

     conda install package_name
     

     可以通过指定包名来安装一个新的包。例如，要安装NumPy：conda install numpy。

   • 更新包:

     conda update package_name
     

     这个命令用于更新指定的包。如果要更新所有包，可以使用：

     	  conda update --all
     

   • 卸载包:

     	  conda remove package_name
     

     这个命令将卸载一个包。

4. 创建新环境

   conda create -n new_env_name python=x.x
   

例如：conda create -n ML python=3.9

5. 查看存在虚拟环境

conda env list

或者

conda info --envs

6. 激活环境和停用环境

conda activate env_name

conda deactivate

或者

conda activate root

7. 对虚拟环境中安装包
   环境外：

conda install -n your_env_name package_name

环境内：

pip/conda install package_name

8. 删除虚拟环境

conda env remove --name env_name

9. 删除虚拟环境的某个包
   环境外：

conda remove --name your_env_name package_name 

环境内：

pip uninstall package_name
conda remove package_name

10. 在某虚拟环境下安装包

conda install package_name

11. 导出和导入环境

    • 导出环境:

      conda env export > environment.yml
      

      将当前环境的包列表导出到一个environment.yml文件中，以便于复制环境。

    • 创建环境从YML文件:

      conda env create -f environment.yml
      

      从environment.yml文件创建一个新的环境。

`第二步：Python IDE 比较

1. PyCharm

   • 特点:
     • 强大的代码编辑、调试、代码检查、导航和重构功能
     • 支持Web开发，包括Django、Flask和其他框架
     • 数据库支持和SQL集成
     • 可定制和可扩展，有大量的插件
     • 社区版是免费的，专业版是付费的，提供额外的特性，例如解析树状图
   • 适用于: 专业开发者，需要一个全功能的IDE，以及对Web开发和数据库工作有需求的开发者。

2. Visual Studio Code (VS Code)

   • 特点:
     • 轻量级但功能强大，有丰富的扩展库
     • 良好的代码编辑和调试支持
     • 内置Git控制
     • 跨平台，支持Windows、Linux和macOS
     • 完全免费
   • 适用于: 从初学者到高级开发者，需要可自定义且轻量级IDE的人。

3. Jupyter Notebook

   • 特点:
     • 以网页应用的形式提供交互式计算和开发环境
     • 适合数据分析、科学计算和机器学习项目
     • 支持Markdown和LaTeX，适合做演示和教学
     • 可以轻松分享笔记本文件
   • 适用于: 数据科学家、研究人员和教育工作者，或任何需要文档和代码结合的场景。

4. Spyder

   • 特点:
     • 集成了许多数据科学的工具，如NumPy、Pandas和IPython
     • 交互式控制台
     • 变量浏览器和绘图窗口
     • 跨平台，支持Windows、Linux和macOS
     • 开源且免费
   • 适用于: 数据科学和分析背景的开发者。

---

初次使用Python

1. Python对于缩进敏感。在Python中，是使用缩进来写代码块。
2. 注意python中的索引：左闭右开少取一位；从左到右索引默认从0开始，最大范围为-1。从右向左索引默认从-1开始，最大范围是0。
3. 如果需要再Linux或其他系统的服务器上运行，为了使得中文显示正常，必须使用这两行代码：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；

第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，在源代码中写的中文输出可能会有乱码。

---

Reference

Matthes, Eric, 1972-. Python crash course : a hands-on, project-based introduction to programming

Sweigart A. Automate the boring stuff with Python: practical programming for total beginners[M]. No Starch Press, 2019.

McKinney W. Python for data analysis[M]. " O’Reilly Media, Inc.", 2022.

---

题外话

此内容属于笔者读书笔记和课程总结，由于学业和工作压力，目前内容不全但笔者会不定期更新。后续案例为金融专业和统计专业学习和实习工作中简单情况，主要适合金融和数据分析背景的入门。