【Python教程】如何搭建一个高效的Python开发环境?结尾附安装包直通车

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。
    在这里插入图片描述


  • 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:
    在这里插入图片描述
    在这里插入图片描述
  • 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。
    在这里插入图片描述

  • 接下来就是使用协议界面**,点击 I Agree,代表同意使用协议。
    在这里插入图片描述

  • 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):
    在这里插入图片描述
  • 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
在这里插入图片描述
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)
在这里插入图片描述

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

在这里插入图片描述

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。
    请添加图片描述
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)。
    在这里插入图片描述
  • 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。
    在这里插入图片描述
  • 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。

  • 打开编辑界面,我们将 Notebook 可操作性的区域分为三个部分:主操作区、Cell 操作区、 边栏操作区。
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。
  1. Create New Black Jupyter Notebook: 创建新的空白 Notebook 工作区。
  2. 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。
  3. Import Jupyter Notebook:导入已有的 Notebook。用来导入已有的 Notebook 文件。

在这里插入图片描述

  • 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:
    在这里插入图片描述
  • 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:
    在这里插入图片描述
  • 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。
    在这里插入图片描述
  • 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!!!!!!!

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/30051.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Java数据结构与算法——稀疏数组和队列

一、稀疏数组sparsearray数组 该二维数组的很多值是默认值0,因此记录了很多没有意义的数据,可以采用稀疏数组进行压缩 1.基本介绍: 当一个数组中大部分元素为0,或者为同一个值的数组时,可以使用稀疏数组来保存该数组。 稀疏数组的处理方法…

深入解析Linux权限管理:从基本原理到应用

目录 Shell 命令及运行原理 Shell 与 Kernel Linux 权限的概念 命令提示符 Linux 权限管理 1. 访问者的分类 ugo 2. 类型和访问权限 3. 权限值表示方法 4. chmod 访问权限设置 掩码命令:umask 5.目录权限 粘滞位: 文章手稿见文末 Shell 命令…

Unity OpenCVForUnity 安装和第二个案例详解 <二>

目录 一、前言 二、场景介绍 1.WebCamTextureToMatExample脚本 2.FpsMonitor脚本 三、 结构体Scaler 四、找到相机并使用 1.相机的启用 2.格式转换 a.把webCamTexture转换成Mat b.把Mat转换成Texture2D 五、脚本组合 六、作者的碎碎念 一、前言 第二个案例&#xf…

大语言模型的昨天、今天和明天

引言 近年来,人工智能(AI)技术突飞猛进,其中大语言模型(LLM)无疑是最引人瞩目的技术之一。从OpenAI的GPT系列到Meta的Llama模型,大语言模型的发展不仅改变了人们对AI的认知,也在各行…

通过防抖动代码解决ResizeObserver loop completed with undelivered notifications.

通过防抖动代码解决ResizeObserver loop completed with undelivered notifications. 一、报错内容二、解决方案解释: 一、报错内容 我通过el-tabs下的el-tab-pane切换到el-table出现的报错,大致是渲染宽度出现了问题 二、解决方案 扩展原生的 Resiz…

DevOps学习回顾01-技能发展路线-岗位能力-体系认知

事为先,人为重–事在人为 参考来源: 极客时间专栏:DevOps实战笔记,作者:石雪峰 课程链接:https://time.geekbang.org/column/intro/235 时代的典型特征 VUCA VUCA 是指易变性(Volatility&…

破局者:Codebeamer如何打破传统束缚,开启工程新纪元

飞速发展的数字时代,一场深刻的数字化革命正在重塑各行各业的价值链条,为产品开发组织带来了前所未有的挑战。随着电子技术和软件组件在产品设计中的地位日益凸显,传统的工程实践正经历着一场深刻的变革。为了顺应这一潮流,企业必…

【碳排放控排1006】碳排放控排企业名单数据集,探索绿色生产!

今天给大家分享的是国内顶级期刊2023发表论文《碳排放规制、企业减排激励与全要素生产率——基于中国碳排放权交易机制的准自然实验》中使用到的重要数据集——碳排放控排企业名单,该论文从企业生产效率视角对论文进行研究,发现碳排放权交易机制显著提升…

植物大战僵尸杂交版V2.1快速刷金币的方法(新号适用,无需自带招财猫)

📝个人主页:哈__ 期待您的关注 目录 1. 💻游戏介绍 2. 🔥快速刷取金币的办法(我是新号测试的) 2.1 无招财猫 2.2 有招财猫 《植物大战僵尸杂交版》是一款在原版《植物大战僵尸》基础上进行了创新的塔防…

Java学习【深入解读File类:从基础到高级的完整指南】

Java学习【深入解读File类:从基础到高级的完整指南】 ⭐File的概述和构造方法⭐File常见的成员方法🌙构造方法🌙length()🌙getAbsoluteFile()和getPath()🌙getName()和lastModified() ⭐文件的创建和删除⭐获取并遍历 …

【OpenHarmony开发】 tracepoint的机制总结

一、tracepoint 的机制 1.1 DECLARE_HOOK 解析 DECLARE_HOOK(vendor_bond_check_dev_link,TP_PROTO(const struct bonding *bond, const struct slave *slave, int *state), TP_ARGS(bond, slave, state)); ​ // 在已经实现如下宏定义的前提下 // CONFIG_TRACEPOINTS 和 CO…

AbMole带你探索颅内压力与肌肉生长的联系:一项突破性研究

在生物医学领域,颅内压力(ICP)的调控机制一直是研究的热点。最近,一项发表在《PLOS ONE》上的研究为我们揭示了颅内压力与后颅窝肌肉生长之间的潜在联系,为我们理解某些慢性头痛的成因提供了新的视角。 颅内压力的异常…

temu跨境选品师是怎么样的一个项目?

TEMU(特穆)跨境选品师项目,作为一项创新的全球商品采购和选品服务,正在逐步改变消费者对于跨境电商产品的认知和选择方式。这个项目不仅仅是一个简单的商品推荐平台,更是一种以数据驱动的精准选品策略的体现,为消费者提供了全新的…

Spring Boot集成vavr快速入门demo

1.什么是vavr? 初闻vavr,感觉很奇怪,咋这个名字,后面看到它的官网我沉默了,怀疑初创团队付费资讯了UC震惊部如何取名字,好家伙,vavr就是java这四个字倒过来,真的是’颠覆’了java……

为什么Mid journey很容易就能做出很有氛围感的图而SD却容易做图很丑?

前言 6月12日,Midjourney更新了一项新的功能——模型个性化,这一项功能最重要的作用就是能够让生成的图像更加符合你自己的审美标准。就像每个艺术家都有自己的独特风格一样,有了这项模型个性化功能的加持,每个人都能生成具有鲜明…

【机器学习】第5章 朴素贝叶斯分类器

一、概念 1.贝叶斯定理: (1)就是“某个特征”属于“某种东西”的概率,公式就是最下面那个公式。 2.朴素贝叶斯算法概述 (1)是为数不多的基于概率论的分类算法,即通过考虑特征概率来预测分类。 …

C#利用SignalR实现通信事例Demo

1.服务端安装SignalR的Nuget包 dotnet add package Microsoft.AspNet.SignalR --version 2.4.3 2.接下来,创建一个ChatHub类,它是SignalR通信的核心: using Microsoft.AspNetCore.SignalR;public class ChatHub : Hub {public static Dict…

MATLAB 二维平面绘图

x 0:0.01:2pi: 大家还记得这个是什么意思吧 就是0到2π 每次所取的数 是相差0.01进行选取的 ysin(x): figure (这个意思就是建立一个幕布) plot(x,y) 这个主要是绘制当前的二维平面的图 但是大家会发现这张图里没有标…

反激开关电源输入电解电容选型及计算

输入电解电容波形如下 计算 1、输入电解电容经验选取法 当输入电压为220V20%(AC176-264V)时 按照输出功率选取:W/μF 耐压(400V,输入176-264V最高DC峰值373V) 当输入电压为11020%时(AC88-132V…

windows服务器一台机器安装多个mysql实例

1、复制安装mysql安装包 2、修改配置文件信息 标注红色部分是需要修改成复制后的包信息 [mysqld] default-time_zone8:00basedirD:/tools/MySQL-Cluster/mysql-53306 datadirD:/tools/MySQL-Cluster/mysql-53306/data default-storage-engineINNODB sql-mode"STRICT_TRANS…