企业官网建设流程全解析

1.概述

1.1 Python 数据分析优势

1.Python 作为当下最为流行的编程语言之一

• 可以独立完成数据分析的各种任务
• 数据分析领域里有海量开源库
• 机器学习 / 深度学习领域最热门的编程语言
• 在爬虫，Web 开发等领域均有应用

2.Python 与 Excel，PowerBI，Tableau 等软件比较

• Excel 有百万行数据限制
• PowerBI，Tableau 在处理大数据的时候速度相对较慢
• Excel，Power BI 和 Tableau 需要付费购买授权
• Python功能远比 Excel，PowerBI，Tableau 等软件强大
• Python跨平台，Windows，MacOS，Linux 都可以运行

3.Python 与 R 语言比较

• Python 在处理海量数据的时候比 R 语言效率更高
• Python 的工程化能力更强，R 专注于统计与数据分析领域
• Python 在非结构化数据（文本，图像）和深度学习领域比 R 更有优势
• 在数据分析相关开源社区，python 相关的内容远多于 R 语言

1.2 常用开源库

1.2.1 Numpy库

Numpy（Numerical Python）是 Python 语言的一个扩展程序库，它是一个运行速度非常快的数学库，主要用于数组计算（矩阵运算）

包含：

• 一个强大的 N 维数组对象 ndarray
• 广播功能函数
• 整合 C / C++ / Fortran 代码的工具
• 线性代数，傅里叶变换，随机数生成等功能

1.2.2 Pandas库

Pandas 是一个强大的分析结构化数据的工具集，它的基础是 Numpy（提供高性能矩阵运算），主要用于数据挖掘和数据分析，同时也提供数据清洗功能

Pandas 有两个核心对象：

• Series：是带索引的一维数组型对象，由一组数据 + 对应的索引组成
• DataFrame： 是带行、列标签的二维表格型数据结构

1.2.3 Matplotlib库

Matplotlib 是一个功能强大的数据可视化开源 Python 库

• Python 中使用最多的图形绘图库
• 可以创建静态，动态，交互式的图表

1.2.4 Seaborn库

Seaborn 是一个Python 数据可视化开源库

• 建立在 Matplotlib 之上，并集成了 Pandas 的数据结构
• Seaborn 通过更简洁的 API 来绘制信息更加丰富，更具吸引力的图像
• 面向数据集的 API，与 Pandas 配合使用起来比直接使用 Matplotlib 更方便

1.2.5 Sklearn库

scikit-learn 是基于 Python 语言的机器学习工具

• 简单高效的数据挖掘和数据分析工具
• 可供大家在各种环境中重复使用
• 建立在 Numpy，SciPy 和 Matplotlib 上

2.数据分析环境搭建

2.1 Anaconda

2.1.1 概述

1.Anaconda 是最流行的数据分析平台

• Anaconda自带了一大批常用的数据科学包
• Anaconda自带 Python 解释器
• Anaconda 是在conda（包管理器 + 虚拟环境管理器）上发展起来的
  • 可以帮助用户在计算机上安装和管理数据分析相关包
  • 包含了虚拟环境管理工具

2.Anaconda 可用于多个系统（Windows，Mac OS，Linux）

• 可以在官网上下载对应平台的安装包

2.1.2 Anaconda 客户端界面操作

1.主界面

2.虚拟环境和包管理

创建虚拟环境如下：

安装 Python 包如下：

2.1.3 Anaconda的虚拟环境和包管理功能 —— 命令行实现

1.Anaconda 包管理功能

安装 Python 包：

• conda install 包名
• pip install 包名

使用pip时最好指定安装源：pip install 包名 -i 镜像源

• 阿里云：https://mirrors.aliyun.com/pypi/simple/
• 豆瓣：https://pypi.douban.com/simple/
• 清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/
• 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

2.Anaconda 虚拟环境管理

通过命令行管理虚拟环境：

• 创建虚拟环境：conda create -n 虚拟环境名字 python=python版本
• 进入虚拟环境：conda activate 虚拟环境名字
• 退出虚拟环境：conda deactivate 虚拟环境名字
• 删除虚拟环境：conda remove -n 虚拟环境名字 --all
• 列出所有 conda 虚拟环境名称 + 环境路径：conda env list
• 列出环境里安装的软件包：conda list 模块名
• 查看本机支持的该模块的所有版本：conda search 模块名

2.2 Jupyter Notebook

2.2.1 启动 Jupyter Notebook

1.通过 Anaconda 客户端界面启动

2.通过终端启动

conda activate 虚拟环境 jupyter notebook

2.2.2 Jupyter Notebook 使用介绍

常用快捷键：

1.命令模式：按 ESC 进入

• Y，cell 切换到 Code 模式
• M，cell 切换到 Markdown 模式
• A，在当前 cell 的上面添加 cell
• B，在当前 cell 的下面添加 cell
• 双击 D：删除当前 cell

2.编辑模式：按 Enter 进入

• 多光标操作：Ctrl 键点击鼠标（Mac:CMD + 点击鼠标）回退：Ctrl+Z（Mac:CMD+Z）
• 重做：Ctrl+Y（Mac:CMD+Y）
• 补全代码：变量、方法后跟 Tab 键
• 为一行或多行代码添加 / 取消注释：Ctrl+/（Mac:CMD+/）

3.两种模式通过快捷键

• Shift + Enter：执行本单元代码，并跳转到下一单元
• Ctrl + Enter：执行本单元代码，留在本单元

2.2.3 Jupyter Notebook中使用 Markdown

Markdown语法如下：