數據分析環境準備

Python版本

Python 2 or Python 3

• Python 2.x 是早期版本，Python 3.x是當前版本
• Python 2.7 (2.x的最終版)于2010年發布后很少有大的更新
• Python 2.x 比 Python3.x 擁有更多的工具庫
• 大多數Linux系統默認安裝的仍是 Python 2.x
• 版本選擇取決于要解決的問題

建議選擇 Python 2.x 的情況：

• 部署環境不可控，Python版本不能自行選擇
• 某些工具庫還沒有提供支持 Python 3.x。
• 如果選擇使用 Python 3.x，需要確定要用的工具庫支持新版本。

  注意：本課程將會使用Python 3.x 版本

Python環境及IDE

Python環境

Anaconda（水蟒） ：是一個科學計算軟件發行版，集成了大量常用擴展包的環境，包含了 conda、Python 等 180 多個科學計算包及其依賴項，并且支持所有操作系統平臺。下載地址：https://www.continuum.io/downloads

安裝包： pip install xxx,conda install xxx

卸載包：pip uninstall xxx,conda uninstall xxx

升級包：pip install upgrade xxx,conda update xxx

IDE

Jupyter Notebook:

命令：jupyter notebook

• 1. Anaconda自帶，無需單獨安裝
• 2. 實時查看運行過程
• 3. 基本的web編輯器（本地）
• 4. .ipynb 文件分享
• 5. 可交互式
• 6. 記錄歷史運行結果

IPython：

命令：ipython

• 1. Anaconda自帶，無需單獨安裝
• 2. Python的交互式命令行 Shell
• 3. 可交互式
• 4. 記錄歷史運行結果
• 5. 及時驗證想法

Spyder：

命令：spyder

• 1. Anaconda自帶，無需單獨安裝
• 2. 完全免費，適合熟悉Matlab的用戶
• 3. 功能強大，使用簡單的圖形界面開發環境

PyCharm：

• 1. 需要自行安裝：https://www.jetbrains.com/pycharm/download
• 2. PyCharm，JetBrains的精品，全平臺支持，不多解釋了。

Python3.x 常用的新特性

• print() 是函數，不是一個語句
• raw_input()輸入函數，改為 input()
• Python 3 對文本和二進制數據做了更為清晰的區分。

  1. 文本由unicode表示，為str類型
  2. 二進制數據由bytes (字節包)表示，為bytes類型

• 新增數據類型 bytes (字節包)，代表二進制數據以及被編碼的文本字符串前有個前綴b
• Python3中 bytes 與 str 轉換

  1. str 可以編碼(encode)成 bytes
     2.bytes 可以解碼(decode)成 str

• 字符串格式化輸出方式：新增format()方式
• dict類型變化

之前的 iterkeys(), itervalues(), iteritems()，改為現在的 keys(), values(), items()

字符串編碼格式回顧：

• ASCII：早期計算機保存英文字符的編碼方式
• GB2312：對ASCII的中文擴展
• GBK/GB18030：包括了GB2312的所有內容，同時又增加了近20000個新的漢字和符號
• Unicode：包括了全球的符號和編碼。每個字符用3~4個字節表示，浪費空間
• UTF-8：可變長的編碼方式，在互聯網上使用最廣泛的一種Unicode的實現方式，根據語種決定字符長度，如一個漢字3個字節，一個字母1個字節，也是Linux環境下默認編碼格式。