数据分析基础与实践课件：走进Python

第一章概论西华大学数据分析基础与实践走进Python目录Contents课程介绍了解PythonPython安装开发环境搭建课程介绍一1.1为什么学习4当今社会从IT时代进入DT时代，数据分析技术十分重要。数据分析是一种思想，一种方法，一种处理问题的工具，这种工具可以应用到很多不同的研究领域，从应用的领域实现学科融合。本课程将包括必要的语言基础和编程思想，完整的数据分析方法理论基础，详细的应用案例实践分析。希望通过大量的实际应用案例，引导读者快速进入数据分析的世界，通过不断的练习和案例复现，快速积累学习的成就感，保持学习的激情。1.2课程组成Python语言基础：在数据分析中，必须要借助一些编程语言才能完成相应的分析任务。数据分析最常用的语言就是Python，因此在正式进入数据分析相关内容介绍之前，首先学习Python语言的相关基础知识。数据分析基础：重点介绍基于Python进行数据分析的基本思路和方法，包括数据获取、数据预处理、数据分析等。数据分析实战：通过对几个完整的数据分析案例的介绍，加深读者对于利用Python进行数据分析方法的理解。5了解Python二2.1什么是Python7Python是一种面向对象的高级编程语言，它具有集成的动态语义，主要用于Web和应用程序开发，以及科学研究。Python支持使用模块和包，可以以模块化的方式进行程序设计，并且可以在各种项目中重用代码。具有完备的开发社区，全球众多开源资源可控使用。Python相对简单，易于学习标准库和解释器都是免费的，既有二进制形式，也有源代码形式。也没有排他性，因为Python和所有必需的工具在所有主要平台上都可用。2.2Python的产生与发展2.3Python的特点9简单：Python是一门简单而语法简约的语言。阅读好的Python程序感觉就像阅读英语，尽管是非常严格的英语。Python的这种伪代码特性是其最大强项之一，它可让程序员专注于解决问题的办法而不是语言本身。容易学习：Python非常容易上手，它具有格外简单的语法。2.3Python的特点10免费开源：Python是一个FLOSS（自由/自由与开源软件）的例子。在一些简单的条款之下，你可以自由地分发这个软件的拷贝，阅读其源代码，修改它，或者将其一部分用到新的自由程序中。FLOSS是基于共享知识社区的概念，这是Python如此好的原因之一——它是由那些希望看到更好的Python的社区创建和不断改进的。高级语言：当使用Python编写程序时，永远不需要担心低级细节，比如对内存的管理和使用等。2.3Python的特点11可移植性：基于其开放源代码的特性，Python已经被移植到许多平台。只要你足够小心，避免使用系统相关特性，你的所有Python程序都可以不加修改地运行在这其中任意平台。解释型语言：Python不需要事先进行编译，只需从源代码直接运行程序即可，不必担心程序的编译、保证恰当的库被链接和载入等等。这也使得Python程序更易于移植。（C和C++是编译型的语言，需要先编译再执行）2.3Python的特点12面向对象特性：Python同时支持面向过程和面向对象编程。在面向过程语言中，程序围绕着过程或者函数（只不过是可重复使用的程序片段）构建。在面向对象语言中，程序围绕着对象（数据和功能的组合）构建。Python具有非常强大但是过于简洁的执行面向对象编程的方式。可扩展性强：如果需要一段运行很快的关键代码，或者是想要编写一些不愿开放的算法，通常可以使用C或C++完成那部分程序，然后从Python程序中调用。2.3Python的特点13可嵌入：程序员可以将Python嵌入到C/C++程序中，使其获得“脚本化”的能力。强大的扩展库：Python标准库已经能够帮助用户完成许多工作，包括正则表达式、文档生成、单元测试、线程、数据库等。除了标准库，还有各式各样的其它高质量的第三方库，可以在Python包索引中找到它们。也有很多热门的交流社区，每天都有很多优秀的第三方库发布。2.4Python的应用应用

Django、Flask等框架Web应用开发利用Python编写各种自动化运维脚本自动化运维Python在人工智能领域内的机器学习、神经网络、深度学习等方面，都是主流编程语言。科学计算和人工智能Python提供有很多服务于编写网络爬虫的工具以及完整的爬虫框架网路爬虫很多游戏使用C++编写图形显示等高性能模块，而使用Python编写游戏的逻辑。游戏开发图像处理、机器人控制等。其他Python的安装三3Python的安装16目前，Python有两个版本供大家选择和使用，即Python2.x和Python3.x。Python3.x是对Python2.x的一个较大的更新。由于Python3.x在设计的时候并没有考虑到向下相容，因此许多针对Python2.x设计的函数、语法或者库等都无法在Python3.x正常执行。并且Python核心团队计划在2020年停止对Python2的支持。因此建议大家使用Python3.x。3Python的安装17若读者仅需要使用Python编译环境，可采用1.2.1节的官方安装方式。若读者需要利用Python进行数据分析和处理，需要使用到各种Python库，例如Numpy、Scipy、Pandas、Scikit-learn，在这样的情况下，建议使用1.2.2节介绍的Anaconda安装方法，可同时完成Python及各种库的安装，非常方便。3Python的安装18Anaconda是专注于数据分析的Python发行版本，包含了Conda、Python等190多个科学包及其依赖项。其中，Conda是开源包和虚拟环境的管理系统。用户可以使用Conda来安装、更新、卸载工具包，并且它更加关注于数据科学相关的工具包，在安装Anaconda时，就预先集成了常用的Numpy、Scipy、Pandas、Scikit-learn这些数据分析中常用的包。出于省时省心角度出发，强烈建议大家安装Anaconda。开发环境搭建四4开发环境搭建20安装完成Python运行环境之后，其实就可以通过命令行来编写Python程序了，不过这种方法和其他编程语言的使用习惯相差很大，很多人都不太愿意直接在命令行中进行Python代码的编写，因此用户还需要安装可用于Python开发的I