Python数据分析开发环境

如果安装的是完整版本的Anaconda,会默认安装Spyder以及Jupyter Notebook。那么不想折腾编辑器的话,推荐使用这两款应用是足够的。

Visual Studio Code

推荐插件

Python

可选插件

vscode-icons

包管理器选择 Conda

Conda是目前比较常用的包管理工具,其大致功用于pip类似,这里使用Conda的原因,主要在于Conda除可以安装python的包外,还可以很方便的安装其他变成语言的包(如C++、C等)。这样的话,就可以很方便的解决有些数据分析的包依赖非python编写的程序包的问题。

为了能够直接在命令行中使用conda命令,这里将Anaconda3\Scripts目录添加到了环境变量中。

基本使用

创建虚拟环境:conda create -n <env_name> python=<python_version_num>

激活虚拟环境:activate <env_name>

安装程序包到指定虚拟环境:conda install -n <env_name> <pakcage_name>

关闭虚拟环境:deactivate

删除虚拟环境:conda remove <env_name> --all

删除虚拟环境中的某个包:conda remove --name <env_name> <package_name>

查看已安装包:conda list

查看已安装环境:conda env list

检查更新conda:conda update conda

更新所有程序包:conda update --all

常用包安装

安装好Anaconda后,可以使用Anaconda来管理包的安装。

如果是用于学习与研究,而不用与其他人协作或者能够有良好的约定的话,那么可以直接使用conda的默认的环境,这样就可以少安装很多包。

REM 基础包 conda install numpy conda install scipy conda install pandas conda install matplotlib REM ORM,用于连接数据库 conda install sqlalchemy 更改Conda的下载镜像

如果要使用的包并不包含在默认的conda环境中,又想加快下载速度与稳定性的话,可以添加国内的下载镜像。

在终端中执行以下命令:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes

参考:

Anaconda 镜像使用帮助

PIP

因为某些原因使用Conda可能无法顺利安装一些包,那么可以使用PIP来进行安装。

REM 更新PIP python -m pip install --upgrade pip REM 中国股票数据获取 pip install tushare REM 导出当前环境所有依赖包信息 pip freeze > requirements.txt REM 根据导出的依赖包信息安装包 pip install -r requirements.txt -d <your_download_dir> 常用包推荐 数据获取&爬虫

Tushare:提供便捷的国内股票行情数据的获取(自动爬取相关网站数据)

requests:一款优秀的HTTP Request包,可以用于与HTML/XML解析的包结合起来制作爬虫工具。

urllib:Python3的内置包,主要用于访问、解析指定URL。

Beautiful Soup:一个可以从HTML或XML文件中提取数据的Python库。

数据整理

Numpy:提供强大的矩阵操作,以及一些非常有用的计算工具(如:irr、npv等)

Pandas:提供强大的数据框操作(类似R语言中的DataFrame)

SciPy:提供强大的统计工具。

数据可视化

matplotlib

数据库操作

sqlalchemy:数据库建议使用自己熟悉的或项目统一要求的,如:Oracle、MySQL、PostgreSQL、MSSQL、SQLite等。sqlalchemy包可以有效的连接各类常用的数据库,并处理各类操作。

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/zysxww.html