【数据分析与智能计算】入门:前言及环境准备

零、前言

本专栏是上海某大学开设的“数据分析与智能计算”课程的复习笔记,该课程是在今年首次开设给大一理工专业的同学计算机模块的课程。

我将课程所学涉及到的内容整理成专栏,方便也学习这门课的同学们预习\复习\自学,也可供想要入门大数据、人工智能的同学作为参考。

课程所用的书是电子工业出版社的《数据科学技术与应用》。
在这里插入图片描述
本专栏将主要按照这本书的顺序和课程顺序进行讲解,主要会有:

  • 书上例程的讲解
  • 书上课后习题的答案参考及讲解
  • 疑难问题的辨析等

一、课程内容概览

本课程的名称叫做“数据分析与智能计算”,所用的教材叫做《数据科学技术与应用》,我横竖睡不着,仔细看了半夜,才从字缝里看出字来,满本都写着两个字是Python在这里插入图片描述

讲个小插曲,同为计算机模块的另一门课程叫做“移动应用开发”,但是他们主要教的是微信小程序开发,所以一门叫做“数据分析与智能计算”的课,和另一门叫做“移动应用开发”,硬生生地被同学们改名为Python课小程序课

但其实也不尽然,虽然这门课用到的语言是Python,但是这门课的重点不是Python本身,而是Python的各种有关数据科学的库的使用,如Numpy库、Pandas库、Matplotlib库、Scikit-learn库……

其次,这是一门开给大一新生的10周的课程,课程并不会很深,主要目的是让我们通过Python的各种库实现数据科学中的数据处理、数据可视化和最基本的机器学习方法。至于“我学了这门课以后我是不是就可以尝试自己写图像识别的程序了?”类似于这种问题,回答是:很遗憾,还不能。不过,这门课过后,你就能很快地自学会了。(害,其实什么不是靠自学呢?

俗话说得好,师傅领进门,修行在个人。作为初学者来说,这些已经足够了。通过这门课,至少能让初学者理解什么是数据清洗、什么是计算机中的向量和维度、什么是数据可视化、什么是机器学习……


二、环境准备

安装Anaconda

如果你对Python之前并没有什么了解的话,那么废话不多说,推荐直接安装Anaconda这会省去你之后的很多麻烦。

不得不说,百度百科很多释义简直就是“懂得人不去看,去看的人看不懂在这里插入图片描述
简言之,你装好了Anaconda,就相当于装好了Python本体、Jupyter Notebook、Spyder等一系列编程会用到的软件,以及一大堆不管你用得上用不上总之与数据科学有关的Python第三方库。

最可靠的是在Anaconda官网下载并安装最新版,本课程以及目前大部分用的都是Python3.7,然后选择你对应的系统。什么?你问我是32位还是64位系统?我只能说,十年前的大部分电脑都已经是64位的了。。。
在这里插入图片描述
安装好Anaconda了以后,你就是有Python的人了

认识IDLE

最简单的Python开发环境是IDLE,通过cmd/powershell/Win+R键,输入IDLE,然后IDLE就被你召唤出来了

>>>是提示你可以输入命令,尝试输入print('Hello World!')并按下回车键,恭喜你,你已经打开了Python世界的大门了!

认识Jupyter Notebook / Jupyter Lab

对于要编写稍微复杂一点的程序来说,IDLE显得未免太单薄了一点,这时候我们需要用到其他的IDE来帮助我们更加愉快地码代码。尤其是对于数据分析来说,Jupyter是一款很不错的IDE。

Jupyter是基于网页的交互式的IDE(Jupyter Lab是Jupyter Notebook的升级版),也就是说你是在你的浏览器里面通过Jupyter来愉快地编写你的代码的。

打开它的方式也很简单,Windows用户能够直接在开始菜单中找到Anaconda - Jupyter Notebook
在这里插入图片描述
也可以先开启Anaconda Navigator然后在里面选择Jupyter Notebook / Jupyter Lab
在这里插入图片描述

再补充一句,Anaconda Navigator尤其是对初学者来说是个好东西,它将很多以往需要行命令完成的操作,如:创建环境安装第三方库等操作通过图形化界面就能够完成。至于上述这些操作,我们目前用不到,之后会通过一篇文章详细讲解这些操作。

启动Jupyter了以后,你的浏览器就会自动地打开你的Jupyter的页面地址(一般默认为http://localhost:8888/)。
在Jupyter中,所有的代码都是以Notebook的形式保存的(后缀为.ipynb)。新建一个Notebook,然后我们就可以在cell里面愉快地写代码了。运行代码只需要按cell右侧的像“播放键”一样的那个按钮,也可以使用快捷键Ctrl + Enter在这里插入图片描述
这种以cell为代码块单元的组织形式,正是交互式的精髓所在,也方便我们调试代码。

在之后慢慢使用的过程中,你也会渐渐体会到Jupyter的魅力所在~

(除了Jupyter之外,还有Spyder、Vscode等优秀的适合Python的IDE可以供大家选择)


三、总结

这一期介绍了我这一专栏之后会写的大致的内容,以及Anaconda环境的安装和最基本的使用。

至少,目前为止,你也是会用Python写出Hello World! 的人了。

下一期我们一起来聊一聊Python中的常用数据类型。

如果你正在学习/复习“数据分析与智能计算”这门课,或者是想要入门大数据、人工智能的同学,欢迎订阅我的这个专栏~

觉得有用的话,不要忘了点赞、关注、分享哦~大家多多包涵,有任何问题欢迎指正、讨论。
本文基于CC-BY-NC-SA 4.0协议,请规范转载。
(博客看累了?去我的B站瞧一瞧?)

猜你喜欢

转载自blog.csdn.net/qq_27133869/article/details/105691402
今日推荐