当前位置：首页 > news >正文

如何查找网站所有页面品牌网络推广外包

news 2025/7/19 5:40:37

如何查找网站所有页面,品牌网络推广外包,温州企业网站建设公司,做企业网站百度推广客服怎么打电话Python数据处理分析简介 Python作为当下最为流行的编程语言之一可以独立完成数据分析的各种任务数据分析领域里有海量开源库机器学习/深度学习领域最热门的编程语言在爬虫，Web开发等领域均有应用与Excel，PowerBI，Tableau等软件比较 Excel有…

Python数据处理分析简介

Python作为当下最为流行的编程语言之一
- 可以独立完成数据分析的各种任务
- 数据分析领域里有海量开源库
- 机器学习/深度学习领域最热门的编程语言
- 在爬虫，Web开发等领域均有应用
与Excel，PowerBI，Tableau等软件比较
- Excel有百万行数据限制
- PowerBI ，Tableau在处理大数据的时候速度相对较慢
- Excel，Power BI 和Tableau 需要付费购买授权
- Python功能远比Excel，PowerBI，Tableau等软件强大
- Python跨平台，Windows，MacOS，Linux都可以运行
与R语言比较
- Python在处理海量数据的时候比R语言效率更高
- Python的工程化能力更强，R专注于统计与数据分析领域
- Python在非结构化数据（文本，图像）和深度学习领域比R更有优势
- 在数据分析相关开源社区，python相关的内容远多于R语言
总结
1. Python应用广泛, 且是当下最热门的编程语言之一.
2. Python功能强大, 且开源, 免费.
3. Python的社区活跃度相对较高.

2.常用Python数据分析开源库介绍

NumPy(Numerical Python)
- 它是 Python 语言的一个扩展程序库。是一个运行速度非常快的数学库.
- 主要用于数组计算
- 包含：
  - 一个强大的N维数组对象 ndarray
  - 广播功能函数
  - 整合 C/C++/Fortran 代码的工具
  - 线性代数、傅里叶变换、随机数生成等功能
Pandas
- Pandas是一个强大的分析结构化数据的工具集
- 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利器之 Series，是一种类似于一维数组的对象
- Pandas利器之 DataFrame，是Pandas中的一个表格型的数据结构
Matplotlib
- 它是一个功能强大的数据可视化开源Python库
- 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
Seaborn
- 它是一个Python数据可视化开源库, 建立在matplotlib之上，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
Sklearn
- scikit-learn 是基于 Python 语言的机器学习工具
- 简单高效的数据挖掘和数据分析工具
- 可供大家在各种环境中重复使用
- 建立在 NumPy ，SciPy 和 matplotlib 上
jupyter notebook
- 它不是开源库, 它是一个开源Web应用程序, 可以创建和共享代码、公式、可视化图表、笔记文档
- 是数据分析学习和开发的首选开发环境, 作用如下:
  - 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

3.Python数据分析环境搭建-本地环境

主要有本地环境 和 虚拟机环境两种, 区别是: 看在哪里安装Anaconda软件.

Anaconda介绍
- Anaconda 是最流行的数据分析平台，全球两千多万人在使用
- Anaconda 附带了一大批常用数据科学包
- Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的
- 可以帮助你在计算机上安装和管理数据分析相关包
- 包含了虚拟环境管理工具
Anaconda安装
- Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）
- 可以在官网上下载对应平台的安装包
- 如果计算机上已经安装了 Python，安装不会对你有任何影响
- 下载链接为: https://www.anaconda.com/products/individual
- 安装的过程很简单，一路下一步即可
- 检测是否安装成功
Anaconda界面介绍

在这里插入图片描述

Anaconda的命令操作

安装包的命令

# 安装包的命令
conda install 包名字
pip install 报名字# 注意，使用pip时最好指定安装源, 参考镜像地址, 
阿里云：https://mirrors.aliyun.com/pypi/simple/
豆瓣：https://pypi.douban.com/simple/
清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/# 完整格式如下
pip install 包名 -i https://mirrors.aliyun.com/pypi/simple/  #通过阿里云镜像安装

操作虚拟环境(沙箱)的命令

通过命令行创建虚拟环境
conda create -n 虚拟环境名字 python=python版本  #创建虚拟环境
conda activate 虚拟环境名字 #进入虚拟环境
conda deactivate 虚拟环境名字 #退出虚拟环境
conda remove -n 虚拟环境名字 --all  #删除虚拟环境
conda env list   # 查看所有虚拟环境(沙箱)

以管理员的身份打开 Anaconda的命令窗口, 运行jupyter lab 或者 jupyter notebook即可

4.Jupyter Lab初体验

去Linux虚拟机中, 启动 jupyter环境即可
打开浏览器, 输入上边的网址.

5.Jupyter NoteBook初体验

确保你的C盘hosts文件, 配置了域名映射

-- 路径为: C:\Windows\System32\drivers\etc\hosts-- 内容如下:
192.168.88.161 node1.itcast.cn node1

去Linux虚拟机中, 启动 jupyter环境即可
打开浏览器, 输入上边的网址, 新建1个 numpy文件夹
新建1个test1测试文件.
输入测试代码, 测试执行即可.

6.Jupyter NoteBook的使用

菜单栏中相关按钮功能介绍

Jupyter Notebook的代码的输入框和输出显示的结果都称之为cell，cell行号前的 * ，表示代码正在运行
常用快捷键

Jupyter Notebook中分为两种模式：命令模式和编辑模式
- 两种模式通用快捷键
  - Shift+Enter，执行本单元代码，并跳转到下一单元
  - Ctrl+Enter，执行本单元代码，留在本单元
- 按ESC进入命令模式
  - Y，cell切换到Code模式
  - M，cell切换到Markdown模式
  - A，在当前cell的上面添加cell
  - B，在当前cell的下面添加cell
  - 双击D：删除当前cell
- 编辑模式：按Enter进入，或鼠标点击代码编辑框体的输入区域
  - 撤销：Ctrl+Z（Mac:CMD+Z）
  - 反撤销: Ctrl + Y（Mac:CMD+Y）
  - 补全代码：变量、方法后跟Tab键
  - 为一行或多行代码添加/取消注释：Ctrl+/（Mac:CMD+/）
  - 代码提示: shift + Tab
使用Markdown
- 在命令模式中，按M即可进入到Markdown编辑模式
- 使用Markdown语法可以在代码间穿插格式化的文本作为说明文字或笔记
- Markdown基本语法：标题和缩进
  - 代码如下:
  - 效果图如下
    
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传