python3 数据科学基础

第一章



1、Anaconda(最著名的python数据科学平台)

下面小伙伴们咱们来初初识下Anaconda吧

What is Anaconda????

回答:

(1)、科学计算的平台

(2)、有很多方便的包可供咱们使用

(3)、跨平台:Mac \Linux\Windows

(4)、最重要的是:开源免费还有社区供小伙伴们交流

2、安装Anaconda

下载地址:https://mirror.tuna.tsinghua.edu.cn/help/anaconda/(咱们到清华的国内镜像下载快些)【google搜索anaconda清华即可】-因为google现在国内不开放但是也是有办法的,比如咱们搞个国外的服务器,嘿嘿!

小伙伴找到对应的系统版本下载即可(我的是64位就下64位的版本)

启动Aanconda安装包基本一路默认即可(最后一个选线卡勾除)

打开终端:
输入:conda(不报错说明成功安装)

3、Anaconda的environment 和package 管理(类似pip操作)

(1)创建一个新的environment: conda create --name python35 python=3.5(即创建一个名为python35 的python3.5版本的开发环境)

(2)激活environment: activate python35 # windows环境 :source activate python35 #Linux 或Mac 环境

(3)推出environment: deactivate python35 # windos环境 : source deactivate python35 #Linux 或Mac 环境

(4)删除environment: conda remove --name python35 --all



(1)安装一个包conda install  + 包名

(2)查看安装的包:conda list /查看指定环境安装的包:conda list -n python35

(3)删除包:conda remove -n python35 +包名

4、从ipython notebook(强大的交互式shell)到 jupyter notebook(增强版ipython \开源免费的web application)

工作原理:

5、jupyter notebook 的使用

启动终端输入:jupyter notebook即可打开

点击右侧new 图标下面有选项一般选python3 即可进入python3交互式环境

小伙伴们可以在特定的目录启动jupyter notebook

方法如下:

比如我在本地D盘建立了一个叫jupyter notebook工作目录的文件夹

启动终端:(切到d盘)D: ——cd jupyter notebook工作目录——jupyter notebook 即可

补充:小伙伴们编辑完成可以导出指定的格式文件方法如下:

原文地址:https://www.cnblogs.com/518894-lu/p/8996787.html

时间: 2024-10-10 15:30:14

python3 数据科学基础的相关文章

Python3数据科学入门与实战

第1章 实验环境的搭建   1-1 导学视频   1-2 Anaconda和Jupyter notebook介绍   1-3 Anaconda在Mac上的安装演示   1-4 Anaconda在windows上安装演示   1-5 Anaconda在Linux上的安装演示   1-6 Jupyter-notebook的使用演示第2章 Numpy入门   2-1 数据科学领域5个常用Python库   2-2 数学基础回顾之矩阵运算   2-3 Array的创建及访问   2-4 数组与矩阵运算 

Python3数据科学入门与实践学习教程

  整个课程都看完了,这个课程的分享可以往下看,下面有链接,之前做java开发也做了一些年头,也分享下自己看这个视频的感受,单论单个知识点课程本身没问题,大家看的时候可以关注下面几点: 1.为了追求精简简洁牺牲了部分实用性,导致不足以达到某些工作的需要     2.大部分是实战课程弱化了其他技术点的不足,无法全面了解python,但是很多都是刚接触python的(很致命)     3.因为是录播课程导致某些问题不能及时去解决,没人交流(这个最烦) 所以真要把python学好,下面这些技术点不同阶

数据科学的基础概念

p { margin-bottom: 0.1in; line-height: 120% } a:link { } 数据科学的基础概念 1数据 1.1数据模型 概念模型:用户视角-各种文档,业务流程图,er图等 逻辑模型:数据科学家视角-关系模型,层次模型,网状模型 key-value,key-document,key-column和图模型等,常用格式:关系表,csv,json,xml,rdf等 物理模型:机器视角--索引,分区,物化视图,事务等 1.2数据维度 按结构化程度分:结构化数据,半结构

(数据科学学习手札81)conda+jupyter玩转数据科学环境搭建

本文示例yaml文件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 我们在使用Python进行数据分析时,很多时候都在解决环境搭建的问题,不同版本.依赖包等问题经常给数据科学工作流的搭建和运转带来各种各样令人头疼的问题,本文就将基于笔者自己摸索出的经验,以geopandas环境的搭建为例,教你使用conda+jupyter轻松搞定环境的搭建.管理与拓展. 图1 2 虚拟环境的搭建与使用 2.1 使用con

数据科学入门

目录 前言 第1章导论1 1.1数据的威力1 1.2什么是数据科学1 1.3激励假设:DataSciencester2 1.3.1寻找关键联系人3 1.3.2你可能知道的数据科学家5 1.3.3工资与工作年限8 1.3.4付费账户10 1.3.5兴趣主题11 1.4展望12 第2章Python速成13 2.1基础内容13 2.1.1Python获取13 2.1.2Python之禅14 2.1.3空白形式14 2.1.4模块15 2.1.5算法16 2.1.6函数16 2.1.7字符串17 2.1

10 天 100 小时学数据科学

#转自wx公众号:Python开发者 #问题/答案来源:Quora 英文:Roman Trusov 译文:伯乐在线专栏作者 - XiaoxiaoLi 链接:http://python.jobbole.com/85704/ [伯乐在线导读]:有位网友在 Quora 提问,并补充说「我有10天空闲时间,每天想花十个小时学习数据科学入门知识,应该学点什么呢?谢谢」伯乐在线摘编了 Roman Trusov 的回复,非常值得新手参考. 哥们我太羡慕你了,不是谁都有像你这样的机会的. 10天100小时的学习

哪些数据科学技能是雇主所需要的

这是一个好消息,如果你希望在2016年找一份数据科学的工作-在该领域职位空缺的数量正在不断增加,企业希望利用大数据来获得竞争优势.但事实上,找一份梦寐以求的数据科学工作就意味着你要具备一些技能的组合,你可能会惊讶学习哪些技能是雇主所最需要的. 最近,人们在CrowdFlower上针对Linkedin的3490个数据科学职位做了分析,并对最常出现的21个技能进行了排序.有些结果并不那么令人惊讶-SQL排在最前,而其它的结果可能是数据科学领域不断发展的领先指标. 如上所述,SQL是最常见的技能,在L

数据科学

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 数据科学最近成为计算机的热门领域.数据科学是利用计算机的运算能力对数据进行处理,从数据中提取信息,进而形成"知识".它已经影响了计算机视觉.信号处理.自然语言识别等计算机分支.数据科学已经在IT.金融.医学.自动驾驶等领域得到广泛使用.(如果你熟知中情局的棱镜泄密事件,你会发现数据科学已经在情报领域广泛使用.) 在这系列文章中,我希望能完成从概率论,统计,到机器学习的整

干货 | 从菜鸟到老司机_数据科学的 17 个必用数据集推荐

原文链接 摘要: ◆ ◆ ◆ 菜鸟入门 1. Iris 数据集 在模式识别文献中,Iris 数据集恐怕是最通用也是最简单的数据集了.要学习分类技术,Iris 数据集绝对是最方便的途径.如果你之前从未接触过数据科学这一概念,从这里开始一定没错,因为该数据集只有 4 列 150 行. ◆ ◆ ◆ 菜鸟入门 1. Iris 数据集 在模式识别文献中,Iris 数据集恐怕是最通用也是最简单的数据集了.要学习分类技术,Iris 数据集绝对是最方便的途径.如果你之前从未接触过数据科学这一概念,从这里开始一定