一、主要目的：
初步熟悉Python数据分析工具，通过查阅相关说明文档掌握Numpy、Scipy和Pandas包的基本使用方法。对于不同形式的源数据文件，能够基于python开发环境正确的完成数据导入。
二、主要内容：
1、Python开发环境安装以及数据分析包的加载
（1）Anaconda安装过程
（2）相关第三方库的加载 如 爬虫scrapy包。
提示：
① Anaconda下载地址：
Free Download | Anaconda
② Anaconda安装参考：
https://blog.csdn.net/weixin_37766087/article/details/100742198
2、通过简要的实例代码熟悉开发环境以及数据分析包的基本功能
（1）代码实例展示Spyder的基本功能
例如：代码提示、变量浏览、图形查看
- 代码实例展示Pandas 中的数据结构
① Series:一维数组系列，也称序列
② DataFrame:二维表格型数据结构。可以将DataFrame理解为Series的容器。
- 数据的导入与导出
- 导入不同形式的文件，例如.txt/.csv/.excel
- 导出到csv/excel
- 导入导出MySql库[附选]
三、实验过程：
1.Anaconda安装过程
已安装
2.Spyder
① Series:一维数组系列，也称序列
② DataFrame:二维表格型数据结构。
导入不同形式的文件，例如.txt/.csv/.excel
导入excle
- df = pd.read_excel(io='自己的文件路径',index_col='序号')
- print(df)
导出到csv/excel
Excel：
- writer = pd.ExcelWriter('age-name.xlsx')
- df.to_excel(writer)
- writer.save()
CSV：
- csv_data = df.to_csv("自己的文件路径",sep='|')
导入导出MySql库[附选]
- 从mysql中导出dataframe对象
- conn = pymysql.connect(host="localhost",port=3306,user="root",
- password="密码已经被和谐",database="school",charset="utf8")
- sql = "select * from student;"
- df = pd.read_sql(sql,conn)
- print(df)
- 导入dataframe数据到mysql
- from sqlalchemy import create_engine
- engine = create_engine("mysql+pymysql://root:密码已被和谐@localhost:3306/school?charset=utf8")
- data = [['小明',14],['东东',18],['奥图码',53]]
- df = pd.DataFrame(data,columns=['姓名','年龄'])
- df.to_sql("try", engine, schema="try")
![[C++] 继承](https://img-blog.csdnimg.cn/direct/474b4f0428024f5098bb252575df248f.png)
