Python技术栈 ——工具与依赖包篇

CS-Polaris

已于 2024-08-08 11:39:45 修改

阅读量376

点赞数

分类专栏： Python技术栈文章标签： python 机器学习人工智能

于 2020-07-21 16:52:54 首次发布

本文链接：https://blog.csdn.net/weixin_44327736/article/details/106982455

版权

Python技术栈专栏收录该内容

7 篇文章 0 订阅

订阅专栏

Python技术栈 ——工具与依赖包篇

一、工具使用
- 1.1 Jupyter notebook
- 1.2 Pycharm自动导包
二、常用依赖
三、环境依赖管理
References

一、工具使用

1.1 Jupyter notebook

运行方式

$ jupyter notebook

1.2 Pycharm自动导包

《pycharm设置自动导包》

二、常用依赖

2.1 conda环境创建

conda create -n 环境名 python=版本号

2.2 pandas

2.2.1 DataFrame和Series的区别

	DataFrame	Series
文档地址	DataFrame	Series
维度	二维	一维
Rerferences	Series vs. DataFrame in Pandas – Shiksha Online

2.2.2 DataFrame与numpy互转

# DataFrame --> numpy
data1 = pd.DataFrame(data={'col1': [1, 2], 'col2': [3, 4]})
print(data1)
print(data1.columns)
print(np.array(data1)) # Droping the column automaticaly

# numpy --> DataFrame
data2 = np.array([[1,2,3],
                  [4,5,6]])
print(pd.DataFrame(data=data2))

data1=
col1 col2
0 1 3
1 2 4
data1.columns=
Index([‘col1’, ‘col2’], dtype=‘object’)
np.array(data1)=
[[1 3]
[2 4]]
pd.DataFrame(data=data2)
0 1 2
0 1 2 3
1 4 5 6

2.3 matplotlib

//@TODO，此处会引用另一篇文章，该文章待完成，都问大模型吧

2.4 python中excel相关库

根据此文，选择xlwings做为操作excel的首选库
《可能是全网最完整的 Python 操作 Excel库总结！》

2.5 API快捷查询

要查看某个类有哪些方法和属性

dir(类名)

三、环境依赖管理

3.1 批量导出与安装环境依赖

如何配置环境，甚至是配置一个一模一样的环境，对于运行他人代码或者复现论文而言，都是非常重要的一环。
(1) 打开终端
(2) 切换至该Python项目的根目录或子目录，并激活该项目的虚拟环境
(3) 运行pip list --format=freeze > requirements.txt，那么依赖环境就导出好了。
(4) 反过来，激活该项目的虚拟环境并运行pip install -r requirements.txt则是安装，从我实际使用的体验上来说，对于python而言，使用虚拟环境更方便，可以隔离各个项目之间的环境依赖，让环境更清爽，但有一个问题是，为什么python没有其对应的类似maven的工具？毕竟如果两个项目分别用了不同的虚拟环境，但用到了同一个版本的依赖包，相当于要安装两遍，占用双倍的存储空间，而Java中，有maven可以导入依赖，项目只需要引用即可。

参考文章或视频链接
Maven for Python: Possible or Not?
Maven equivalent for python [closed] - stackoverflow
《精确管理Python项目依赖：自动生成requirements.txt的智能方法》- CSDN