【jupyter notebook】环境部署及pycharm连接虚拟机和本地两种方式

news2024/9/21 0:35:05

Python数据处理分析简介

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
- 数据分析领域里有海量开源库
- 机器学习/深度学习领域最热门的编程语言
- 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，R专注于统计与数据分析领域
- Python在非结构化数据（文本，图像）和深度学习领域比R更有优势
- 在数据分析相关开源社区，python相关的内容远多于R语言
总结
1. Python应用广泛, 且是当下最热门的编程语言之一.
2. Python功能强大, 且开源, 免费.
3. Python的社区活跃度相对较高.

2.常用Python数据分析开源库介绍

NumPy(Numerical Python)
- 它是 Python 语言的一个扩展程序库。是一个运行速度非常快的数学库.
- 主要用于数组计算
- 包含：
  - 一个强大的N维数组对象 ndarray
  - 广播功能函数
  - 整合 C/C++/Fortran 代码的工具
  - 线性代数、傅里叶变换、随机数生成等功能
Pandas
- Pandas是一个强大的分析结构化数据的工具集
- 它的使用基础是Numpy（提供高性能的矩阵运算）
- 用于数据挖掘和数据分析，同时也提供数据清洗功能
- Pandas利器之 Series，是一种类似于一维数组的对象
- Pandas利器之 DataFrame，是Pandas中的一个表格型的数据结构
Matplotlib
- 它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
Seaborn
- 它是一个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
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 和 matplotlib 上
jupyter notebook
- 它不是开源库, 它是一个开源Web应用程序, 可以创建和共享代码、公式、可视化图表、笔记文档
- 是数据分析学习和开发的首选开发环境, 作用如下:
  - 数据清理和转换
  - 数值模拟
  - 统计分析
  - 数据可视化
  - 机器学习等

3.Python数据分析环境搭建-本地环境

主要有本地环境 和 虚拟机环境两种, 区别是: 看在哪里安装Anaconda软件.

Anaconda介绍
- Anaconda 是最流行的数据分析平台，全球两千多万人在使用
- Anaconda 附带了一大批常用数据科学包
- Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的
- 可以帮助你在计算机上安装和管理数据分析相关包
- 包含了虚拟环境管理工具
Anaconda安装
- Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）
- 可以在官网上下载对应平台的安装包
- 如果计算机上已经安装了 Python，安装不会对你有任何影响
- 下载链接为: https://www.anaconda.com/products/individual
- 安装的过程很简单，一路下一步即可
- 检测是否安装成功
Anaconda界面介绍

在这里插入图片描述

Anaconda的命令操作

安装包的命令

# 安装包的命令
conda install 包名字
pip install 报名字


# 注意，使用pip时最好指定安装源, 参考镜像地址, 
阿里云：https://mirrors.aliyun.com/pypi/simple/
豆瓣：https://pypi.douban.com/simple/
清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

# 完整格式如下
pip install 包名 -i https://mirrors.aliyun.com/pypi/simple/  #通过阿里云镜像安装

操作虚拟环境(沙箱)的命令

通过命令行创建虚拟环境
conda create -n 虚拟环境名字 python=python版本  #创建虚拟环境
conda activate 虚拟环境名字 #进入虚拟环境
conda deactivate 虚拟环境名字 #退出虚拟环境
conda remove -n 虚拟环境名字 --all  #删除虚拟环境
conda env list   # 查看所有虚拟环境(沙箱)

以管理员的身份打开 Anaconda的命令窗口, 运行jupyter lab 或者 jupyter notebook即可

4.Jupyter Lab初体验

去Linux虚拟机中, 启动 jupyter环境即可
打开浏览器, 输入上边的网址.

5.Jupyter NoteBook初体验

确保你的C盘hosts文件, 配置了域名映射

-- 路径为: C:\Windows\System32\drivers\etc\hosts

-- 内容如下:
192.168.88.161 node1.itcast.cn node1

去Linux虚拟机中, 启动 jupyter环境即可
打开浏览器, 输入上边的网址, 新建1个 numpy文件夹
新建1个test1测试文件.
输入测试代码, 测试执行即可.

6.Jupyter NoteBook的使用

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
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）
  - 反撤销: Ctrl + Y（Mac:CMD+Y）
  - 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+/）
  - 代码提示: shift + Tab
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
  - 代码如下:
  - 效果图如下
    
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传