系列文章目录

1. Python进行数据分析的优势
2. 常用Python数据分析开源库介绍
3. 启动Jupyter服务
4. Jupyter Notebook的使用

---

前言

本教程详解了Python做数据分析的优势，Python数据分析常用开源库，如何启动jupyter notebook，如何使用jupyter notebook。

学习目标

• 了解Python做数据分析的优势
• 知道Python数据分析常用开源库
• 知道如何启动jupyter notebook
• 知道如何使用jupyter notebook

1. Python进行数据分析的优势

• 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

  • 功能强大，在数据分析领域里有海量开源库，并持续更新

  • 是当下热点——机器学习/深度学习 领域最热门的编程语言

  • 除数据分析领域外，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作为热门编程语言，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，应用领域更广泛，R专注于统计与数据分析领域
  • Python在非结构化数据（文本，音视频，图像）和深度学习领域比R更具有优势
  • 在数据分析相关开源社区，python相关的内容远多于R语言

2. 常用Python数据分析开源库介绍

2.1 NumPy

• NumPy(Numerical Python) 是Python数据分析必不可少的第三方库，NumPy的出现一定程度上解决了Python运算性能不佳的问题，同时提供了更加精确的数据类型，使其具备了构造复杂数据类型的能力。
• 是一个运行速度非常快的数学库，主要用于数组计算，包含：
  • 高性能科学计算和数据分析的基础包
  • ndarray，多维数组，具有矢量（向量）运算能力，快速、节省空间
  • 矩阵运算，无需循环，可完成类似Matlab（商业数学软件）中的矢量运算
  • 用于读写磁盘数据的工具以及用于操作内存映射文件的工具

2.2 Pandas

• Pandas是一个强大的分析结构化数据的工具集，Pandas丰富的API能够更加灵活、快速的对数据进行清洗、处理以及分析。

• Pandas在数据处理上具有独特的优势：

  • 底层是基于NumPy构建的，所以运行速度特别的快
  • 有专门的处理缺失数据的API
  • 具有强大而灵活的分组、聚合、转换功能

• Pandas利器之==Series==

  • Series是一种类似于一维数据的数据结构
  • 是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即行索引)组成
  • 仅由一组数据也可产生简单的Series对象

• Pandas利器之==DataFrame==

  • DataFrame是一种表格型的数据结构，既有行索引也有列索引，可以简单的把DataFrame理解为一张数据表

  • 包含有一组或多组有序的列（Series），每列可以是不同的值类型(数值、字符串、布尔型等)

2.3 Matplotlib

• Matplotlib 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

2.4 Seaborn

• Seaborn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

2.5 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（Scientific Python） 和 matplotlib 上

2.6 Jupyter Notebook

• Jupyter Notebook是一个开源Web应用程序，使用Jupyter Notebook可以创建和共享
  • 代码
  • 数学公式
  • 可视化图表
  • 笔记文档
• Jupyter Notebook用途
  • 数据清理和转换
  • 统计分析
  • 数据可视化
  • 机器学习等
• Jupyter Notebook是数据分析学习和开发的首选开发环境

3 启动Jupyter服务

3.1 设置jupyter服务密码

• 进入python的命令终端, 在linux终端执行 python 命令

  

• 输入以下代码设置密码, 记录生成的密码字符串

  from notebook.auth import passwd
  passwd() # 设置自己的密码，然后两次输入确认生成加密字符串, 密码设置为123456即可
  

  

3.2 生成Jupyter配置文件并配置

• 在linux终端执行以下命令, 生成jupyter_notebook_config.py配置文件

  jupyter notebook --generate-config
  

  

• 打开jupyter_notebook_config.py配置文件, 在最后添加以下内容即可

  # 打开文件
  vim ~/.jupyter/jupyter_notebook_config.py
  # 添加以下内容
  c.NotebookApp.allow_remote_access = True  #允许远程访问
  c.NotebookApp.allow_root = True          #允许root访问
  c.NotebookApp.ip='*'                     # 所有ip皆可访问  
  c.NotebookApp.password = '上面复制的那个字符串'    
  c.NotebookApp.open_browser = False       # 禁止自动打开浏览器  
  c.NotebookApp.port =8888                 # 端口
  c.NotebookApp.notebook_dir = '/' 
  

  

3.3 启动jupyter

• linux终端输入 jupyter notebook 命令启动

  jupyter notebook
  

  

• 在本地浏览器中输入 192.168.88.100:8888, 进入jupyter的web界面
  

  

• 注意: 不要关闭jupyter服务

  

4 Jupyter Notebook的使用

4.1 Jupyter Notebook的界面

• 新建notebook文档

  注意：Jupyter Notebook 文档的扩展名为.ipynb，与我们正常熟知的.py后缀不同

  

• 新建文件之后会打开Notebook界面

  

• 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

4.2 Jupyter Notebook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）
  • 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+/）

4.3 Jupyter Notebook中使用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

  

• 效果如下图所示

总结

• 了解Python做数据分析的优势

  • Python可以独立高效的完成数据分析相关的全部工作

• 知道Python数据分析常用开源库

  • Pandas
  • Numpy
  • Matplotlib
  • Seaborn
  • sklearn

• 会启动和使用jupyter notebook