1.2 Python数据分析工具

越来越多的人开始使用Python语言开展数据分析工作，与统计分析专业工具R语言和矩阵计算专业工具Matlab相比，Python包含了数据分析过程需要的所有方法和工具，具有速度优势，能够支持大数据处理。Python通过多个开源的第三方工具包来实现数据分析，能够紧跟新技术发展，已成为数据科学的首选工具。

使用Python实现数据分析过程，工作人员重点关注分析的技术和方法，无须耗费大量精力掌握复杂的软件编程技术，代码量少，适用于初学者，同样也适用于专家。

1.2.1 科学计算集成环境Anaconda

Python是一个开源的、跨平台的编程语言，官方网站提供了针对各个平台的安装包（http://www.python.org/downloads），包含基础的Python编程环境，以及基础的方法库。使用Python分析数据，需要安装相关的第三方工具包（通过Python的pip命令逐个安装）。本书推荐使用Python的科学计算发行版Anaconda（开源），它是一个跨平台的版本，支持Windows、Linux、MacOS等平台，包括近200个工具包，常见的NumPy、SciPy、pandas、Matplotlib、scikit-learn、NLTK等库都已经包含其中，满足了数据分析的基本需求。

Anaconda可以在官方网站中（https://www.anaconda.com/download）下载，也可以到国内的镜像网站中下载（如https://mirrors.tuna.tsinghua.edu.cn/help/anaconda）。本书代码统一遵循Python 3语法，推荐安装Anaconda3-5.0.1及以上版本。

在Windows平台上安装完成后，在“程序”列表中将添加Anaconda3程序组，如图1-4所示，其中包含多个应用程序。Anaconda Navigator提供第三方工具包的管理工具，Anaconda Prompt是命令行工具，Jupyter Notebook是交互式笔记本（详见1.2.3节），Spyder是一个集成开发环境。

1.2.2 Python编译环境

Python有很多功能丰富的集成开发环境，如IDLE、Pycharm、Spyder等，本书采用IDLE，它是一款轻量级的交互式解释环境，只要安装了Python解释器就会附带。打开Anaconda Prompt，进入命令行界面，如图1-5（a）所示。然后输入IDLE命令，即可打开Python的Shell界面，如图1-5（b）所示。

IDLE可以逐条运行代码，也可以创建、编辑Python源代码文件，运行完整的程序。在图1-5中，在命令提示符“>>>”后输入语句并回车，下一行蓝色的字体表示代码执行结果；单击“File”菜单的“Open”或“New File”即可进入源代码编辑界面，如图1-6所示。

程序编辑完成后，单击“Run”菜单的“Run Module”，即可运行解释并执行代码，代码执行的交互显示在Shell界面。

1.2.3 Jupyter Notebook

Jupyter Notebook是一个基于Web的交互式笔记本，其主要特点是易于“讲故事”。它将程序存放在一个文件中，但可以分割成多个片段运行展示，可以实现：

● 查看算法每步运行的中间结果；

● 反复修改、运行代码片段；

● 存储中间结果，并修改；

● 展示代码成果（可以是文本、代码和图像等形式）。

在Anaconda3程序组中单击Jupyter Notebook，启动操作系统默认的浏览器，打开Jupyter应用程序，如图1-7所示。

单击“New”菜单的“Python 3”，打开一个新窗口，就可以创作自己的Notebook了，文件后缀名为“.ipynb”，如图1-8所示。窗口下部由可以编写代码的单元（cell）组成。单元“In[n]:”（n为单元执行的序号）里面既可以存放一段文本，也可以存放一段代码。选中某个单元，单击工具栏的“”，即可运行该单元的代码。结果在此单元下方显示，用“Out[n]:”表示。

当某个单元运行后，其运行结果会被保留下来，后面的单元运行时，将继承前面的运行结果，可以访问、修改前面的变量值。

单击“File”菜单的“Rename”，可以为Notebook文件重新命名。