
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
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10