【基础篇】1-介绍与学习准备

2018-03-25 本文已影响376人王诗翔

在正式学习用Python进行数据分析之前，我们先来简单的了解下Python以及进行学习之前的软件安装和配置。

Python是什么

在IEEE发布的2017年编程语言排行榜中，Python高居首位。对于这样一门流行的编程语言，无数的Python入门图书都给相关的定义，但我个人认为，最清晰明了的说明来自维基百科：

Python是一种广泛使用的高级编程语言，属于通用型编程语言，由吉多·范罗苏姆创造，第一版发布于1991年。可以视之为一种改良(加入一些其他编程语言的优点，如面向对象) 的LISP。作为一种解释型语言，Python的设计哲学强调代码的可读性和简洁的语法（尤其是使用空格缩进划分代码块，而非使用大括号或者关键词）。相比于C++或Java，Python让开发者能够用更少的代码表达想法。不管是小型还是大型程序，该语言都试图让程序的结构清晰明了。

这一段话虽然不长，却简要地囊括了读者需要了解的Python最基本的信息：

Python被广泛使用
属于高级编程语言，这区别于C这样的中级语言或是底层的硬件编程、汇编等语言
创始人为吉多·范罗苏姆，于1991年发布
支持面向对象编程（OOP）
属于解释型语言，解释型语言以文本的方式存储程序代码，不需要在运行前进行编译（为大众所熟知的C语言就不是解释型语言，在运行前必须编译为机器识别的语言）
强调代码的可读性和简洁的语法是Python的设计哲学，这一点尤为需要注意和理解，这是Python在形式上最有别于其他编程语言之处，Python使用空格的缩进来划分不同的代码块，其他一些常见语言一般使用大括号或者关键字。正是这个特点，让Python代码不论大小长短都看起来非常简单清晰，易于使用（我们会在学习的过程中深入理解这一特点）

为何要使用Python进行数据分析

近一些年，Python的科学计算库不断进行改良，比如结构化数据操作库pandas、机器学习库scikit-learn，使得利用Python来进行数据分析任务是一个非常优选的方案；不仅如此，Python有一个“胶水语言”的外号，它能够非常轻松地集成C、C++等底层代码，进行计算优化；与SAS和R这样分析建模领域特定编程语言相比，Python可以同时用于项目原型的构建和生产，从而免去使用多个语言的苦恼。加上Python本身几十年精进的强大编程能力，我们只使用Python就可以完成以数据为中心的建模、分析与应用。

科学计算核心库简介

Python拥有着众多的软件包/库，我们难以一一涉猎和学习，这里简单介绍几个构成Python科学生态系统的核心成员，我们会在学习Python基本知识后进行简单学习和使用：

NumPy：是Numerical Python的简称，是Python科学计算最基础的库，基本上涉及数据分析的软件包都基于NumPy构建。
pandas：名字来源于Python数据分析（Python data analysis）和面板数据（panel data）的结合。该库提供了多个数据存储对象，其中的DataFrame对象可以表征数据分析常见的二维表格；除此之外，它提供了非常多便捷处理结构化数据的函数。
matplotlib：起源于矩阵实验室MATLAB中的绘图函数，是python中最流行的绘图库，可以轻松进行二维数据甚至多维数据可视化。
SciPy：该库提供了一组专用于科学计算中各种标准问题包，像数值积分、微分、信号处理，它与NumPy的结合可以处理诸多科学计算问题。
Jupyter：是一个交互和探索式计算的高效环境。其中两个组件最为常用，一是IPython，用于编写、测试和调试Python代码；二是Jupyter Notebook，是一个多语言交互式的Web笔记本，现在支持运行python、R等多种语言，与Markdown结合可以创建良好、可重复的动态文档。这也是我们进行Python数据分析的学习环境。

软件安装与配置

Python存在Python2（现在一般指Python2.7）和Python3（现在一般指Python3.5及以上）两个不同的版本，官方已经发布声明2020年将停止Python2的更新和维护，全面进入Python3时代。因此，我们学习都以Python3版本为标准。

另一个我们需要解决的问题是IDE（集成开发环境），现在流行的Python集成开发环境很多，比如PyCharm、Sublime Text、Eclipse+Pydev和Anaconda中的Spyder。不同的软件、系统安装和配置方式各不相同，为统一学习者的使用环境，我们使用Anaconda平台的Jupyter notebook进行学习。Anaconda是非常强大的跨系统开源计算平台，支持我们个人PC使用的Windows、Linux和MAC，提供的近1000个软件包可以完全解决我们个人工作任务需求。

为方便大家不同个人电脑配置下的学习，我介绍一下线上和本地机器上学习环境的安装和配置，读者任选其一即可。

线上平台

网络上现在有很多在线的Python解释器，可以在有网的情况下通过浏览器运行代码。因为包的导入和计算都在服务器端，因而学习者不需要较高的配置的电脑就能进行学习和分析。这里我推荐两个免费Jupyter Notebook网址，大家结合自己电脑的配置和网络情况使用。

一是Jupyter官方提供的使用Ipython学习教程网站，包含学习Ipython使用的例子和练习，读者可以在教程的主页运行、调试代码，并下载Jupyter笔记本到本地存储。

Jupyter官方提供的在线网站

二是微软公司提供的Jupyter数据探索学习平台（https://notebooks.azure.com/），支持在线运行多种语言进行数据科学探索，最常用的就是Python和R啦。读者可以通过微软账户创建仓库，新建Jupyter Notebook书写代码和探索数据，完成后可以保存、与他人分享（使用过Github等开源仓库的读者会发现这个平台的操作极为相似）。

微软Jupyter数据科学学习平台

两者相比较，我更推荐读者使用后者。经过我的测试，发现前者在使用过程中比较容易崩溃，运行代码效率也低；后者在创建、使用、保存与分享方面都优于前者，不过大家首先需要做的就是拥有一个微软账号。

本地安装与配置

如果想要在本地部署学习环境，我们需要安装两款软件。第一款是我们前面已经提及的Anaconda，为必需软件；第二款为nteract（https://nteract.io/），为可选软件。与Anaconda默认提供的Jupyter Notebook不同，nteract像我们常用的文字编辑器一样，界面非常简洁酷爽，可以非常方便的编辑Jupyter Notebook文件（文件后缀名为.ipynb）。不过nteract目前只有alpha版本（测试版），功能还在完善中，当然这不会影响我们使用它学习Python，所以推荐读者大家尝鲜使用，本书后面的代码和文档展示也都会使用它。由于Jupyter Notebook与nteract运行Python都是基于ipython内核ipykernel，除了显示效果，在使用上并没有太多的不同，因而读者完全不必担心软件的选择和使用问题。

nteract官网

Anaconda下载与安装

读者可以到Anaconda官网下载地址（https://www.anaconda.com/download/）下载对应系统的Python 3.6版本的Anaconda。安装过程在Windows和Mac系统上跟普通软件相似，一路点击下一步、同意协议等等即可，唯一需要的一点是将Anaconda路径添加到环境变量，Windows系统如下图所示：

Windows安装Anaconda注意事项

Linux使用命令行安装（Mac也可以），下载完成后打开文件所在目录并在该目录下打开终端（也可以从其他目录使用cd命令切换过去）。

然后键入命令：

# 除了使用浏览器，也可以通过终端下载Anaconda
# https://repo.continuum.io/archive/Anaconda3-5.1.0-Linux-x86_64.sh

# 添加执行权限
chmod u+x Anaconda3-5.1.0-Linux-x86_64.sh
# 执行安装
./Anaconda3-5.1.0-Linux-x86_64.sh

# 也可以直接使用Bash进行安装
bash Anaconda3-5.1.0-Linux-x86_64.sh

然后按照提示敲回车键即可，同样注意要添加路径到环境变量。

在终端中键入：

jupyter notebook

即可打开Jupyter Notebook（Windows使用Windows+R组合键，键入cmd）。默认浏览器会自动打开，跳转到主页面，然后读者可以新建Python3 Jupyter笔记本进行学习和创作啦！

Jupyter Notebook主页

提示：如果觉得官网下载过慢，可以使用百度云。链接：https://pan.baidu.com/s/16osMDSyqWeqigs0v1R1YRg 密码：jivn 如果百度云存储的版本过久，请提醒我进行更新

推荐阅读

如果大家对Anaconda及其安装、Jupyter Notebook不了解，可以阅读

Anaconda介绍、安装及使用教程https://www.jianshu.com/p/62f155eb6ac5
Jupyter Notebook介绍、安装及使用教程 https://www.jianshu.com/p/91365f343585

nteract下载与安装

同样地，在nteract官网https://nteract.io/下载系统对应软件版本，Windows、Mac与Linux上都可以直接点击安装。安装后直接点击软件图标打开：

nteract界面

点击上方菜单栏的“Runtime”，如果出现Python则说明可以使用了，左下方也会出现“Python 3”标记。如果没有，请检查你是否已经成功安装Anaconda，其他问题请在网上检索，或者留言、邮件咨询我。

提示：如果觉得官网下载过慢，可以使用百度云。链接：https://pan.baidu.com/s/1ykgw1ukd2IwQ4vELo5JDcw 密码：kgka 如果百度云存储的版本过久，请提醒我进行更新

如果你已经成功配置好了软件，那么让我们正式迈出Python数据分析的第一步吧！

第一章花了一周多的闲暇时间终于写完了，写的时候需要查询、准备和整合资料，这中间不可避免出现疏漏甚至错误，请大家原谅。也请大家在阅读的过程中多提意见，你的一点意见，都是这篇文章、这本书的一次优化。如果大家在学习的过程中出现问题或者遇到困难，欢迎随时留言或者邮件@我。