【Python开发】Python中数据分析环境的搭建

:无论是任何一门语言,刚开始入门的时候,语言运行环境的搭建都是一件不轻松的事情。

 

Python的运行环境

要运行或写Python代码,就需要Python的运行环境,主要的Python有以下三类:

原生态的Python:就是直接从Python的官网下载,然后安装使用。这类方法最简单直接,但是后期不容易维护;

一些其他类型的Python发行本:这种类型的Python一般与一些package和其他工具整合在一起,类似于定制版的Python,易于安装和使用,例如用的比较多的Anaconda发行版;

使用docker来提供Python的运行环境:使用该方法,不用在自己电脑上直接安装Python的,只用在docker中构建好相应的Python的image就好了。

回想自己使用Python的过程,一开始也是直接到Python的官网上下载最新版本的安装包。安装完Python后,添加环境变量,在cmd中用pip一个一个安装需要使用的package。每次都是重复这样的过程,有时候会遇到一些莫名其妙的问题,比如某些package无法安装成功;有时候只能下源码自己编译安装。有时候还会需要不同版本的Python,电脑里就会出现多个版本的Python。

现在后面两类方法用的比较多。

 

关于开发环境

还记得有段时间接触到Java,一直分不清楚JRE和JDK的区别。现在终于搞明白了,JRE是运行是Java运行环境(Java Runtime Environment),可以用来运行Java的代码;JDK是Java开发工具包(Java Developer's Kit),即Java的开发环境,主要用来写代码。

写代码时,有一个好的集成开发环境(integrated development environment,IDE)会让我们事半功倍,包括但不限于以下这些优点:

语法检查;

提示及命令补全;

好看的配色和字体;

强大的debug功能;

对大型project的管理功能。

我用的比较多的IDE包括:PyCharm,Spyder和Jupyter notebook.

PyCharm在开发大型项目时是首选,但是平时分析数据时就显得有些笨重了;

Spyder主要用于科学计算(与RStudio非常像,可以单行运行);但是对内存要求比较大,数据量比较大的时候容易崩溃;

Jupyter notebook算是新生代的数据科学界的IDE,非常适合做数据分析。

 

Anaconda发行版

 

 Anaconda是一种Python语言的免费增值开源发行版,用于进行大规模数据处理, 预测分析, 和科学计算, 致力于简化包的管理和部署。Anaconda使用软件包管理系统Conda进行包管理。——wiki

 上面是wiki中对Anaconda Python发行版的介绍,其特点就是:为数据科学而定制的版本,利用conda来管理package比原生态的pip更方便。

 

完整版本的Anaconda

完整版本的Anaconda比较大,最新版的600多兆(windows, 64-Bit, Python3.6),该版本不仅包括Python,还有预装好的100多个package,省去了自己安装包的麻烦。但是体积比较大,通常很多包都用不到。

下载链接:https://www.anaconda.com/download/

 

Miniconda

Minicoda只包含conda, Python和少量的包,大小只有50几兆。安装好Miniconda后,可以使用conda install来安装其他python的包

下载链接:https://conda.io/miniconda.html

 

下面以Miniconda为例,安装和配置Python的运行环境及开发环境(windows 7, 64位)

1. 安装miniconda

打开上面的链接,下载想要安装的版本后进行安装。

更多参考安装指南:https://conda.io/docs/user-guide/install/index.html

安装完成后,在开始菜单可以看到下面的标志:

【Python开发】Python中数据分析环境的搭建

2. 安装需要的package

点击上面的Anaconda Prompt,打开anaconda的命令行工具。在这个命令行中可以直接使用conda:

- conda env list: 列出所有的虚拟环境;

- conda list: 列出当前虚拟环境中已经安装的包;

- conda search packagex: 搜索包packagex,会返回不同版本的包,可以使用"packagex==x.y"来指定安装x.y版;

- conda install packagex: 安装包packagex.  

【Python开发】Python中数据分析环境的搭建

由上图可以看到,现在只有一个虚拟环境——base,在这个环境中有30个预装的包。

下面安装常用的几个用于数据分析的工具包:

【Python开发】Python中数据分析环境的搭建

 

指定安装0.19.1版的scikit-learn: conda install scikit-learn==0.19.1

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wspfdf.html