一、為什么要使用Python進行數(shù)據(jù)分析？

python擁有一個巨大的活躍的科學計算社區(qū)，擁有不斷改良的庫，能夠輕松的集成C,C++,Fortran代碼（Cython項目），可以同時用于研究和原型的構建以及生產(chǎn)系統(tǒng)的構建。

二、Python的優(yōu)勢與劣勢：

1.Python是一種解釋型語言，運行速度比編譯型數(shù)據(jù)慢。

2.由于python有一個全局解釋器鎖（GIL）,防止解釋器同時執(zhí)行多條python字節(jié)碼，所以python不適用于高并發(fā)、多線程的應用程序。

三、使用Python進行數(shù)據(jù)分析常用的擴展包。

目前初始階段的學習主要涉及4個包的安裝：numpy、scipy、pandas、matplotlib

我筆記本里安裝的是Python2.7版本，在安裝了pip和setuptools工具，關于pip和setuptools工具的安裝詳見相關筆記。

最初使用的安裝命令很簡單：

pip install pandas
pip install numpy
pip install scipy
pip install matplotlib

但是只安裝成功了numpy和matplotlib兩個包，pandas和scipy安裝失敗，查閱了相關資料發(fā)現(xiàn)可能是版本問題或者包的依賴相關。

最終在stack overflow發(fā)現(xiàn)了一個很棒的Python包提供網(wǎng)址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

--這里要Mark一下，后邊爭取寫一個爬蟲，搞下來所有的包防止丟失。

以上網(wǎng)址是加州大學歐文分校提供的Python相關庫的下載地址，修改#后邊的名字可以進去其他包的下載頁面，此頁面中提供了安裝某個包需要依賴的前置包的說明，非常友好。

依賴包說明類似：

Pandas, a cross-section and time series data analysis toolkit.
Requires numpy, dateutil, pytz, setuptools, and optionally numexpr, bottleneck, scipy, matplotlib, pytables, lxml, xarray, blosc, backports.lzma, statsmodels, sqlalchemy and other dependencies.

然后就是一堆的pandas下載地址。

最終根據(jù)各個包的相關性先安裝了numpy+mkl的whl文件，然后是安裝scipy最后是pandas。

安裝的方法如下：

1.下載對應的4個包放在D:\目錄下（很奇怪我筆記本是AMD64位的但是安裝amd64版本的包報不支持的platform的錯誤，安裝了32位的可以正常import）

2.cmd命令行進入D:\目錄執(zhí)行：pip install <包的全名>進行安裝。（如果已安裝了其他錯誤的版本，使用pip uninstall卸載）

最后使用如下類似命令查看包的安裝位置：

以上這篇對Python進行數(shù)據(jù)分析_關于Package的安裝問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論