京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26