
來(lái)源:麥?zhǔn)寰幊?
作者:麥?zhǔn)?
本文幫你快速掌握數(shù)據(jù)分析師必須會(huì)用的兩個(gè)工具 - ipython和jupyter notebook。
既然有了Python,為什么還要ipython?麥?zhǔn)宀挥谜f(shuō)話,給你一張圖你就明白啦。jupyter notebook又是什么鬼?
建議把本文放到收藏夾。吃灰也好過(guò)需要的時(shí)候找不到。
iPython是Interactive Python,它是基于Python的一個(gè)包裝。它其實(shí)就是一個(gè)可以通過(guò)pip安裝的包。提供了普通python之外的一些功能,其中一個(gè)功能就是可以顯示圖片。
iPython在數(shù)據(jù)分析師,數(shù)據(jù)科學(xué)家,人工智能科學(xué)中經(jīng)常使用。
(1)安裝
python -m pip install ipython
(2)使用
ipython就是Python,使用方法和使用普通的交互式Python一樣,代碼也一樣。只不過(guò)輸出顯示上有一定優(yōu)化。
zjueman@maishu data_analysis % ipython Python 3.8.1 (v3.8.1:1b293b6006, Dec 18 2019,
14:08:53) Type 'copyright', 'credits' or 'license' for more information IPython
7.21.0 -- An enhanced Interactive Python. Type '?' for help. In [1]:
2.使用ipython:為了運(yùn)行一下代碼,請(qǐng)先安裝numpy:
python -m pip install numpy
In [1]: a = 5 In [2]: b = "麥?zhǔn)? In [3]: import numpy as np In [4]:
data = {i:np.random.randn() for i in range(7)} In [5]: data Out[5]: {0: 0.8738401705018338,
1: 0.7173530856483666, 2: 1.269301701227684, 3: -0.6322949353286054, 4: -2.3619895093818295,
5: -0.9031446928993554, 6: -0.07942775508126601}
3.問(wèn)號(hào)尋求幫助:
In [4]: name = 'maishu' In [5]: name?
Type: str
String form: maishu
Length: 6 Docstring:
str(object='') -> str str(bytes_or_buffer[, encoding[, errors]]) -> str
Create a new string object from the given object. If encoding or
errors is specified, then the object must expose a data buffer
that will be decoded using the given encoding and error handler.
Otherwise, returns the result of object.__str__() (if defined)
or repr(object).
encoding defaults to sys.getdefaultencoding().
errors defaults to 'strict'.
4.退出
In [10]: quit() zjueman@maishu data_analysis %
5.畫(huà)圖 為了運(yùn)行一下代碼需要先安裝matplotlib
python -m pip install matplotlib
In [1]: import numpy as np In [2]: %matplotlib Using matplotlib backend: MacOSX In [3]: import matplotlib.pyplot as plt In [4]: plt.plot(np.random.randn(50).cumsum()) Out[4]: [<matplotlib.lines.line2d?at?0x7fa7e7f8ce20>]matplotlib.lines.line2d?at?0x7fa7e7f8ce20>
數(shù)據(jù)科學(xué)家們覺(jué)得ipython還不夠過(guò)癮,又在ipython基礎(chǔ)上開(kāi)發(fā)了jupyter notebook:一個(gè)基于網(wǎng)頁(yè)的寫(xiě)代碼界面。
jupyter是基于ipython的,很多操作幾乎都一樣。但是它有很多獨(dú)特優(yōu)點(diǎn):
(1)文件可以保存為ipynb的文件
(2)在線編寫(xiě)代碼
(3)支持多人協(xié)作
(4)支持markdown格式的文檔
1. 安裝
python -m pip install jupyter
2. 啟動(dòng)
> jupyter notebook
這個(gè)命令會(huì)在本機(jī)的8888端口上運(yùn)行一個(gè)網(wǎng)站,并自動(dòng)打開(kāi)瀏覽器:
http://localhost:8888/tree
3. 基本使用
(1)創(chuàng)建文件
(2)編寫(xiě)和運(yùn)行代碼
(3)保存和修改文件名
4. Tab補(bǔ)全
在notebook中打代碼的過(guò)程中,按Tab鍵可以自動(dòng)提示和補(bǔ)全,類(lèi)似于Pycharm和VSCode等IDE的功能:
它可支持:
(1)自動(dòng)補(bǔ)全變量名
(2)自動(dòng)補(bǔ)全函數(shù)名
(3)自動(dòng)補(bǔ)全文件名等
5. 集成matplotlib畫(huà)圖
6. 魔術(shù)命令
(1)運(yùn)行腳本:%run
(2)打印命令輸入歷史:%hist
(3)運(yùn)行效率:%timeit
(4)其他魔術(shù)命令
(1)停止執(zhí)行:Ctrl+C
(2)其他ipython快捷鍵
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10