
来源:麦叔编程
作者:麦叔
本文帮你快速掌握数据分析师必须会用的两个工具 - ipython和jupyter notebook。
既然有了Python,为什么还要ipython?麦叔不用说话,给你一张图你就明白啦。jupyter notebook又是什么鬼?
建议把本文放到收藏夹。吃灰也好过需要的时候找不到。
iPython是Interactive Python,它是基于Python的一个包装。它其实就是一个可以通过pip安装的包。提供了普通python之外的一些功能,其中一个功能就是可以显示图片。
iPython在数据分析师,数据科学家,人工智能科学中经常使用。
(1)安装
python -m pip install ipython
(2)使用
ipython就是Python,使用方法和使用普通的交互式Python一样,代码也一样。只不过输出显示上有一定优化。
zjueman@maishu data_analysis % ipython Python 3.8.1 (v3.8.1:1b293b6006, Dec 18 2019,
14:08:53) Type 'copyright', 'credits' or 'license' for more information IPython
7.21.0 -- An enhanced Interactive Python. Type '?' for help. In [1]:
2.使用ipython:为了运行一下代码,请先安装numpy:
python -m pip install numpy
In [1]: a = 5 In [2]: b = "麦叔" In [3]: import numpy as np In [4]:
data = {i:np.random.randn() for i in range(7)} In [5]: data Out[5]: {0: 0.8738401705018338,
1: 0.7173530856483666, 2: 1.269301701227684, 3: -0.6322949353286054, 4: -2.3619895093818295,
5: -0.9031446928993554, 6: -0.07942775508126601}
3.问号寻求帮助:
In [4]: name = 'maishu' In [5]: name?
Type: str
String form: maishu
Length: 6 Docstring:
str(object='') -> str str(bytes_or_buffer[, encoding[, errors]]) -> str
Create a new string object from the given object. If encoding or
errors is specified, then the object must expose a data buffer
that will be decoded using the given encoding and error handler.
Otherwise, returns the result of object.__str__() (if defined)
or repr(object).
encoding defaults to sys.getdefaultencoding().
errors defaults to 'strict'.
4.退出
In [10]: quit() zjueman@maishu data_analysis %
5.画图 为了运行一下代码需要先安装matplotlib
python -m pip install matplotlib
In [1]: import numpy as np In [2]: %matplotlib Using matplotlib backend: MacOSX In [3]: import matplotlib.pyplot as plt In [4]: plt.plot(np.random.randn(50).cumsum()) Out[4]: [<matplotlib.lines.line2d at 0x7fa7e7f8ce20>]matplotlib.lines.line2d at 0x7fa7e7f8ce20>
数据科学家们觉得ipython还不够过瘾,又在ipython基础上开发了jupyter notebook:一个基于网页的写代码界面。
jupyter是基于ipython的,很多操作几乎都一样。但是它有很多独特优点:
(1)文件可以保存为ipynb的文件
(2)在线编写代码
(3)支持多人协作
(4)支持markdown格式的文档
1. 安装
python -m pip install jupyter
2. 启动
> jupyter notebook
这个命令会在本机的8888端口上运行一个网站,并自动打开浏览器:
http://localhost:8888/tree
3. 基本使用
(1)创建文件
(2)编写和运行代码
(3)保存和修改文件名
4. Tab补全
在notebook中打代码的过程中,按Tab键可以自动提示和补全,类似于Pycharm和VSCode等IDE的功能:
它可支持:
(1)自动补全变量名
(2)自动补全函数名
(3)自动补全文件名等
5. 集成matplotlib画图
6. 魔术命令
(1)运行脚本:%run
(2)打印命令输入历史:%hist
(3)运行效率:%timeit
(4)其他魔术命令
(1)停止执行:Ctrl+C
(2)其他ipython快捷键
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22