数据分析环境准备

Python版本

Python 2 or Python 3

• Python 2.x 是早期版本，Python 3.x是当前版本
• Python 2.7 (2.x的最终版)于2010年发布后很少有大的更新
• Python 2.x 比 Python3.x 拥有更多的工具库
• 大多数Linux系统默认安装的仍是 Python 2.x
• 版本选择取决于要解决的问题

建议选择 Python 2.x 的情况：

• 部署环境不可控，Python版本不能自行选择
• 某些工具库还没有提供支持 Python 3.x。
• 如果选择使用 Python 3.x，需要确定要用的工具库支持新版本。

  注意：本课程将会使用Python 3.x 版本

Python环境及IDE

Python环境

Anaconda（水蟒） ：是一个科学计算软件发行版，集成了大量常用扩展包的环境，包含了 conda、Python 等 180 多个科学计算包及其依赖项，并且支持所有操作系统平台。下载地址：https://www.continuum.io/downloads

安装包： pip install xxx,conda install xxx

卸载包：pip uninstall xxx,conda uninstall xxx

升级包：pip install upgrade xxx,conda update xxx

IDE

Jupyter Notebook:

命令：jupyter notebook

• 1. Anaconda自带，无需单独安装
• 2. 实时查看运行过程
• 3. 基本的web编辑器（本地）
• 4. .ipynb 文件分享
• 5. 可交互式
• 6. 记录历史运行结果

IPython：

命令：ipython

• 1. Anaconda自带，无需单独安装
• 2. Python的交互式命令行 Shell
• 3. 可交互式
• 4. 记录历史运行结果
• 5. 及时验证想法

Spyder：

命令：spyder

• 1. Anaconda自带，无需单独安装
• 2. 完全免费，适合熟悉Matlab的用户
• 3. 功能强大，使用简单的图形界面开发环境

PyCharm：

• 1. 需要自行安装：https://www.jetbrains.com/pycharm/download
• 2. PyCharm，JetBrains的精品，全平台支持，不多解释了。

Python3.x 常用的新特性

• print() 是函数，不是一个语句
• raw_input()输入函数，改为 input()
• Python 3 对文本和二进制数据做了更为清晰的区分。

  1. 文本由unicode表示，为str类型
  2. 二进制数据由bytes (字节包)表示，为bytes类型

• 新增数据类型 bytes (字节包)，代表二进制数据以及被编码的文本字符串前有个前缀b
• Python3中 bytes 与 str 转换

  1. str 可以编码(encode)成 bytes
     2.bytes 可以解码(decode)成 str

• 字符串格式化输出方式：新增format()方式
• dict类型变化

之前的 iterkeys(), itervalues(), iteritems()，改为现在的 keys(), values(), items()

字符串编码格式回顾：

• ASCII：早期计算机保存英文字符的编码方式
• GB2312：对ASCII的中文扩展
• GBK/GB18030：包括了GB2312的所有内容，同时又增加了近20000个新的汉字和符号
• Unicode：包括了全球的符号和编码。每个字符用3~4个字节表示，浪费空间
• UTF-8：可变长的编码方式，在互联网上使用最广泛的一种Unicode的实现方式，根据语种决定字符长度，如一个汉字3个字节，一个字母1个字节，也是Linux环境下默认编码格式。