前言：
-
Python 丰富的函数库和组件库是这门语言强大的核心原因！但我们不可能去记忆所有的方法名和参数名，往往只能记住一些常用的或者某个方法开头的几个字母。这个时候一个好的开发工具就需要能聪明地“猜”出你想输入的代码，并给出候选列表方便你选择（类似于输入法的字词提示功能）。
-
另外，当你输入错误的时候，这个工具能够提示你具体是哪里错了，建议改成什么，从而大幅提升编写效率。在别人还在查到底是哪个单词拼错了导致代码跑不起来的时候，你已经写完一个完整的模块了。
-
那么今天在这里教大家如何快速搭建一套高效的 Python 开发环境，为后续的数据分析做准备。
- 整个配置过程相比传统的环境安装稍微多了几步，不过并不复杂，只需要跟着一步一步操作就可以。
1. Python 环境：Anaconda
- Anaconda 是一个 Python 数据科学工具包，里面包含了 Python 做数据计算最常用的库和工具，属于必装软件。目前它已经非常成熟，并且整套 Anaconda 可以免费提供给个人使用。
- 用浏览器访问 Anaconda 的个人版页面：点击-传送，点击 Download，页面会自动跳转到具体的下载页面：
- 根据自己的设备类型 （Mac/Windows），选择合适的安装包版本。无论 Windows 还是 Mac， 都选择 Graphical Installer，它代表图形化的安装器，之后更易于使用。
- 下载之后双击安装包进行安装（如图所示），直接点击 Next。
- 接下来就是使用协议界面**，点击 I Agree，代表同意使用协议。
- 之后连续 Next，可以看到选择安装位置的界面，如果没有特殊的需求，直接默认位置就好，继续点击 Next。
- 最后一个配置界面是高级选项，不用更改，直接点击 Install，等待 2~3 分钟之后，即可完成安装。
- 安装完毕之后，可以从程序中找到 Anaconda Navigator，点击打开就可以看到整套 Anaconda3 的所有工具（如下图所示）：
- 其中 Notebook 是数据分析应用范围最广泛的工具，但它却不是一款足够有效率的工具，因为它缺乏智能的代码输入联想、自动完成和错误提示。而有效率的分析师是不会容忍自己用“记事本”写代码的。
所以，接下来，我们可以在自己的电脑中配置一个智能、强大的 Notebook（此时安装好的 Anaconda3 页面先不关闭）。
2. 编辑器：VS Code
-
VS Code（ Visual Studio Code），是微软开发的跨平台代码编辑器，靠着其强大的插件生态，目前已经成为全球最流行的代码编辑器。本次我们就通过 VS Code，来解决 Notebook 开发效率的问题。
-
首先按照以下的步骤安装和配置 VS Code。
①下载：用浏览器直接访问官网 官方直通车点这
②安装：下载完毕后，双击安装包进行安装，全部默认配置即可！
③安装中文语言包：
启动 VS Code，进入插件 Tab（左侧边栏最后下方的图标），输入 【Chinese】，出现的第一个插件，点击 Install 安装。
安装完成后，重启 VS Code 即可生效。（习惯英文的同学可以跳过）
④安装 Python 插件：依旧是在插件面板，输入 【Python】，安装列表中的第一个插件
至此，基础的 VS Code 环境已经配置完毕。
3. 配置 VS Code 使用 Anaconda 的 Python 环境
- 打开 VS Code，选择【文件】-【新建文件】，会建立一个默认的文本文件，按 CTRL +s 保存，文件名为【hello.py】。
后缀名一定要是 .py，因为 VS Code 要根据文件的后缀名来匹配合适的工具链。
- 保存之后，如果 VS Code 识别到 Python 文件，我们上一步安装的 Python 插件就会开始工作，寻找本机的 Python 环境，结果会展示在下方的状态栏上。
Anaconda 的 Python 环境包含了丰富的科学计算的库，所以是做数据分析的首选。
确认环境之后，我们即可进入最后一步。
4. Jupyter in VS Code
- 我们进入 VS Code 的插件 Tab（左侧边栏最下方的图标），输入 Jupyter 安装由微软官方出品的 Jupyter 插件（前几个有 Microsoft 字眼的）。
- 安装完成之后，重启 VS Code（如果显示是禁用，那就是安装好了，直接操作后续即可）。
- 按 【CTRL+P】 弹出命令面板，输入【>Jupyter】，此时会列出所有 Jupyter 插件支持的操作，选择 【Jupyter: Create New Blank Jupyter Notebook】，如下图所示。
- 选择之后，VS Code 内部就出现了一个类似 Notebook 的编辑界面，和传统的网页版 Notebook 不同，VS Code 中的 Notebook 具备强大的代码提示和自动完成的功能。
接下来，我们来学习一下它的主要操作。
①主操作区：主要用来控制整个 Notebook 的一些行为.(大家可以把鼠标放在图标上看一下各个按钮对应的功能)。
②边栏操作区**：不同位置的“+”号代表在不同位置插入 Cell。
③Cell 操作区**：主要用来控制当前 Cell 的行为。
- Cell 是 Notebook 中的核心概念，直译过来是“单元格”，但 Notebook 中的 Cell 却不能用单元格简单概括，所以本文统一用 Cell 描述，一个 Notebook 由多个 Cell 组成。 Cell 一共有两种类型：
①代码 Cell：主要用来编写 Python 代码，每个代码 Cell 都可以单独执行，并且执行结果会展示在 Cell 的下方。
②文本 Cell：顾名思义，用来编写文本, 对于数据分析工作而言，除了代码本身，分析的思路、推导的逻辑同样非常重要，文本 Cell 就是用来承载这些内容。
- 这也是 Notebook 区别于 IPython 最大的地方，可以实现代码和文本的混排，来最大化的呈现数据分析的产出。
5. Notebook 的基本操作
接下来，我们通过一个具体的目的，学习一下 Notebook 的基本操作。这些操作在后续的博文中会经常用到。
- 我们先通过几个简单的小案例初步熟悉一下。
1.创建一个 Notebook，保存为 my_practice.ipynb。
2.添加一个 Cell，通过代码打印“this is my first Notebook”, 并运行。 在之后的案例中，我们每介绍一个小阶段，都会通过新建一个 Cell 来编写代码测试我们实验的内容。
3、添加一个 Cell，并转换成文本 Cell，输入文字“我的数据分析启程了！”。
4、添加一个 Cell，通过代码打印 1+1 的结果。
下面我们开始完成上面的案例：
- 第一步，按【CTRL + P】（Mac 对应【CMD + P】）， 调出 VS Code 的命令面板
- 输入【> Jupyter】可以看到 Notebook 插件支持的命令，其中比较常用的几个如下。
- Create New Black Jupyter Notebook： 创建新的空白 Notebook 工作区。
- Export to PDF：将当前的 Notebook 导出为 PDF，在后续写数据分析报告的时候会用到。
- Import Jupyter Notebook：导入已有的 Notebook。用来导入已有的 Notebook 文件。
- 首先选择第一个，创建一个新的 Notebook，创建之后按 【CTRL + S】 保存，文件名输入：first.ipynb。
- 第二步，新建 Cell，我们点击边栏操作区的 + 号即可新建 Cell， 然后我们输入以下代码：
- 第三步，我们类似第二步首先新建一个 Cell，并点击 Cell 操作区中的 M 图标，切换为文本模式，并输入“我的数据分析启程了！”。
- 输入完毕后鼠标点击 Cell 之外的任意区域即可退出编辑模式，进入预览模式（双击 Cell 可重新进入编辑模式）。
- 这样，我们的第三步就完成了。 如图所示：
- 第四步，就很简单了，我们直接新建一个 Cell， 并输入以下代码：
print(1+1)
- 运行 Cell，可以看到打印了“2”，至此，我们的任务已经全部完成。整个过程如图所示。
- 至此，你已经在自己电脑上配置出一套面向数据分析的 Python 开发环境，也知道如何新建 Notebook，以及在 Notebook 中添加代码 Cell 来输入代码、文本 Cell 来输入文字。
最后：
安装包、资料均已打包，需要的小伙伴可以戳这里[学习资料]或扫描下方码！！！！！！！
学习)