python数据分析学习day01：环境安装、numpy介绍

1. Anaconda安装

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB）

下载地址：Anaconda | The World's Most Popular Data Science Platform

安装位置的选择，建议不要装在C盘

添加到环境变量中，暂时不勾选，手动添加：

点击install，等待不太漫长的进度条……,

提示安装成功……,提示安装VScode，选择点击“skip” 

两个“learn”，都取消打勾

安装完成后，最重要一步，环境变量设置

此电脑——属性——高级系统设置——环境变量——path——编辑——新建

E:\Anaconda（Python需要）
E:\Anaconda\Scripts（conda自带脚本）
E:\Anaconda\Library\bin（jupyter notebook动态库）

 注意：以上路径是自己Anaconda安装的路径

验证环境是否安装成功

1. 命令行输入： python ，是否能够进行python命令行

2. 退出命令行，输入：jupyter notebook， 是否可以正常运行

2. jupyter使用

jupyter是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果

1. 编程时具有**语法高亮**、*缩进*、*tab补全*的功能。

2. 可直接通过浏览器运行代码，同时在代码块下方展示运行结果。

3. 可以导出不同的格式，如pdf、html,py文件。

4. 对代码编写说明文档或语句时，支持Markdown语法。

Jupyter安装

1. 安装Jupyter Notebook的前提是需要安装了Python
2. pip3 install jupyter
3. Anaconda已经安装了jupyter，因此可以直接使用

• jupyter notebook启动
• 命令行输入：jupyter notebook
• 注：输入命令前所在的路径，打开jupyter后就是页面的文件获取根路径
• 浏览器地址栏中默认地将会显示：http://localhost:8888
• 打开文件夹，在地址栏输入cmd，即可在当前文件夹路径打开终端

Jupyter基本使用

Files页面

 笔记本的基本操作

3. NumPy是什么？

（Numerical Python）一个开源的python科学计算库 使用Numpy可以方便的使用数组、矩阵进行计算 包含线性代数、傅里叶变换、随机数生成等大量函数

为什么使用Numpy

对于同样的数值计算任务，使用Numpy比直接Python代码实现，优点：

• 代码更简洁：Numpy直接以数组、矩阵为粒度计算并且支撑大量的数学函数，而python需要用for循环从底层实现；
• 性能更高效：Numpy的数组存储效率和输入输出计算性能，比Python使用List或者嵌套List好很多；
• 注：Numpy的数据存储和Python原生的List是不一样的
• 注：Numpy的大部分代码都是C语言实现的，这是Numpy比纯Python代码高效的原因

Numpy是Python各种数据科学类库的基础库：比如：Scipy，Scikit-Learn、TensorFlow，pandas等

numpy的优势

• 在数组算术计算方面， NumPy 提供了大量的数学函数(统计相关、线性代数、财金相关、随机抽样等)
• NumPy 的底层主要用 C语言(最靠近及其底层的语言)编写，因此对数组进行高效的数学运算
• 多维向量的描述和快速高效计算能力，让数组和矩阵的使用更加自然；
• 大量实用的数学函数，支撑复杂的线性代数、随机数生成以及傅里叶变换函数
• 同样的数值计算任务，使用NumPy要比直接编写原生Python代码更便捷

4. NumPy下载与安装？

在 Windows 系统下安装 NumPy 有两种常用方式，下面分别对其进行介绍。

使用 Python 包管理器pip来安装 NumPy，是一种最简单、最轻量级的方法。只需执行以下命令即可：pip install numpy  

使用Anaconda（官网下载：https://www.anaconda.com/）是一个开源的 Python 发行版，     Anaconda 就目前应用较为广泛，因此建议安装

5. NumPy和原Python性能对比

实现两个数组的加法

1. 数组A是0到N-1的平方
2. 数组B是0到N-1的立方

# 原生python实现
def python_sum(n):
    a = [i ** 2 for i in range(n)] # 创建1-n的平方数组
    b = [i ** 3 for i in range(n)] # 创建1-n的立方数组
    
    ab_sum = []
    
    for i in range(n):
        ab_sum.append(a[i] + b[i])
        
    return ab_sum

# numpy实现
def numpy_sum(n):
    a = np.arange(n) ** 2
    b = np.arange(n) ** 3
    
    return a + b

对比实现1000次

In [10]:%timeit python_sum(1000)

1.88 ms ± 101 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [11]:%timeit numpy_sum(1000)

17.8 µs ± 1.23 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)

对比实现10W次

In [12]:%timeit python_sum(100000)

205 ms ± 12 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [13]:%timeit numpy_sum(100000)

871 µs ± 30.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

对比实现100W次

In [14]:%timeit python_sum(1000000)

2.09 s ± 102 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [15]:%timeit numpy_sum(1000000)

17.3 ms ± 1.28 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

绘图对比

# 创建数据
python_times = [1.88*1000,205*1000,2.09*1000*1000]
numpy_times = [17.8,8.71*1000,17.3*1000]
# 创建pandas的DataFrame类型数据
charts_data = pd.DataFrame({
    'python_times':python_times,
    'numpy_times':numpy_times,
})

charts_data

	python_times	numpy_times
0	1880.0	17.8
1	205000.0	8710.0
2	2090000.0	17300.0

线性图

charts_data.plot()

柱状图

charts_data.plot.bar()