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

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

• 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

1. 去Linux虚拟机中, 启动 jupyter环境即可
   

2. 打开浏览器, 输入上边的网址.

   

5.Jupyter NoteBook初体验

1. 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
   

2. 去Linux虚拟机中, 启动 jupyter环境即可

   

3. 打开浏览器, 输入上边的网址, 新建1个 numpy文件夹

   

4. 新建1个test1测试文件.
   

5. 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

7.配置PyCharm连接Anaconda

• 连接本地的Anaconda环境
  

  !

• 连接本地的Anaconda环境

  • 确保Linux的Jupyter环境开启了
    

  • 配置方式和上述步骤一样,只不过把URL地址换成 http://192.168.88.161:8888