python 2

pip install ipython[notebook]
pip install numpy
pip install matplotlib
pip install seaborn

Python3

pip3 install numpy
pip3 install matplotlib
pip3 install seaborn
pip3 install --upgrade pip
pip3 install jupyter
jupyter notebook #启动jupter

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

from pandas import Series,DataFrame
import csv
import json
from lxml.html import parse
from urlib2 import urlopen
from lxml import objectify
from StringIO import StringIO
import requests

%matplotlib inline '''启用pylab模式，可以看图形效果'''

jupyter notebook %pylab inline

ipython --pylab

IPython 基本

  1. Tab 自动补齐
  2. 变量？ 查看变量通用信息
  3. 函数名？ 查看函数docstring
  4. 函数名？？ 查看函数源代码
  5. %run xxx.py
  6. %paste, %cpaste
  7. Ctrl+L 清屏
  8. %debug, %pdb
  9. %hist
  10. %quickref
  11. %magic

IPython 调试

  1. %debug 进入调试器
  2. u(up), d(down) 在栈跟踪的各个级别之间切换
  3. %pdb 出现异常后自动调用调试器
  4. %run -d xxx.py, s(step)进入脚本， b(break)设置断点， c(continue)是脚本一直运行直到断点，n(next)执行下一行

IPython 性能

  1. %time, %timeit
  2. %prun, %run -p
  3. %lprun 逐行分析性能

重要的Python库 (for data analysis)

  1. NumPy

    • ndarray: N维数组对象
      • ndarray.shape
      • ndarray.dtype
      • np.array()
      • np.arange()

  2. pandas

    • Series： 类似于一维数组对象/有序字典
      • Series.values
      • Series.index
    • DataFrame: 表格行数据，它的每一列就是一个Series
      • DataFrame（dict_data/二维ndarray/Series,column=[‘c1’,‘c2’,‘c3’],index=[‘r1’,‘r2’,‘r3’])

  3. 数据加载

    • pd.read_csv()
    • pd.read_table()
    • chunk
    • df.to_csv()

  4. matplotlib

    fig=plt.figure() ax=fig.add_subplot(1,1,1)

    fig, axes=plt.subplots(2,3)

    ax.plot(x,y,‘go–’) g=green, o=maker, –=线型

    ax.set_xticks,