Python環境設定與資料科學函式庫應用

– 12 分鐘閱讀

Python 環境設定是資料科學的第一步，本文詳細說明瞭 Windows、macOS 和 Linux 系統的 Python 和 Anaconda 安裝流程，並提供 Jupyter Notebook 和 VS Code 的使用，包含基本操作、快捷鍵和程式碼範例。對於資料科學，NumPy、Pandas、Matplotlib 和 Scipy 等核心函式庫至關重要，它們分別處理數值計算、資料框操作、視覺化和科學計算，為資料分析提供了堅實的基礎。Polars 和 Seaborn 作為補充，分別增強了資料處理效能和視覺化效果。這些函式庫的整合運用，能讓資料科學家更有效率地處理資料，並從中獲得洞見。

Python 環境設定與資料科學函式庫介紹

在開始 Python 的程式設計旅程之前，設定適合的開發環境是非常重要的。在本章中，我們將引導您完成在 Windows 平臺上安裝 Jupyter Notebook 的過程，並探討其功能。接下來，我們將介紹如何安裝 Visual Studio Code (VSCode) 進行 Python 開發，同時探索其用途。最後，本章將以介紹 Python 中的基本資料科學函式庫作為結尾，為您打下使用這些強大工具的基礎。

Python 環境設定

在深入探討主題之前，設定開發環境是必不可少的。在這個章節中，我們將引導您完成在系統上安裝 Python 的過程，確保您擁有開始撰寫和執行 Python 程式碼所需的一切。Python 是一種開源、高階別的程式設計語言，以其簡潔性、可讀性和對多種程式設計正規化的廣泛支援而聞名。不論您是剛剛踏入程式設計領域的新手，還是尋求一種強大工具進行網頁開發、資料分析、機器學習或科學計算的經驗豐富的開發者，Python 都有其可供您使用的東西。

要開始使用 Python 的力量，第一步就是在您的電腦上安裝 Python 解譯器。Python 解譯器是執行 Python 程式碼並提供存取 Python 生態系統中眾多函式庫和工具的核心元件。在這個章節中，我們將引導您完成在 Windows 作業系統上安裝 Python 的過程，包括下載最新版本的 Python。

在 Windows 上安裝 Python

  1. 下載最新版本的 Python：首先，您需要下載最新版本的 Python。我們已經下載了 3.12.2 版本的 Python。
  2. 執行安裝檔：使用 64 位元的 Windows 作業系統後，您需要執行 Python 安裝檔。
  3. 選擇安裝選項：出現的視窗中，您可以選擇「立即安裝」或「自訂安裝」。在這裡，我們選擇了「立即安裝」選項。此外，請注意最初有兩個未勾選的方框：
    • 使用管理員許可權安裝 py.exe。
    • 將 python.exe 新增到 PATH 中。
  4. 使用管理員許可權安裝 py.exe：此選項授予 Python 安裝程式在安裝期間的管理員許可權。這對於在系統級目錄中安裝 Python 或安裝需要提升許可權的套件是必要的。啟用此選項可確保安裝過程順暢進行，避免許可權相關問題。此選項也可用於變更 Python 安裝目錄。
  5. 將 python.exe 新增到 PATH 中：透過勾選此選項，Python 安裝程式將包含 python.exe 的目錄新增到 PATH 環境變數中。這使得您可以從任何命令提示字元或終端視窗輕鬆存取 Python 命令，而無需指定 Python 可執行檔的完整路徑。這簡化了在整個系統中使用 Python 的過程，提高了執行 Python 指令碼和命令的便捷性。

在 macOS 上安裝 Python

  • 下載最新版本的 Python for macOS：首先，您需要下載最新版本的 Python，適用於 macOS 作業系統。

Jupyter Notebook 安裝與使用

Jupyter Notebook 是一個根據 Web 的互動式計算環境，支援多種程式設計語言，包括 Python。它允許您建立和分享檔案，這些檔案包含實時程式碼、方程式、視覺化和敘述文字。Jupyter Notebook 的主要優點包括：

  • 互動式計算：Jupyter Notebook 提供了一個互動式環境，您可以在其中撰寫和執行程式碼、檢視結果並根據需要進行修改。
  • 檔案分享：Notebook 檔案（.ipynb）可以輕鬆分享和合作編輯。
  • 多語言支援：Jupyter 支援超過 40 種程式設計語言，包括 Python、R、Julia 和 MATLAB。

Visual Studio Code (VSCode) 安裝與使用

Visual Studio Code (VSCode) 是一款由 Microsoft 開發的免費、開源的程式碼編輯器。它支援許多程式設計語言，包括 Python，並提供了一系列擴充功能以增強其功能。VSCode 的一些主要優點包括：

  • 輕量級：VSCode 是一款輕量級的編輯器，佔用系統資源較少。
  • 高可定製性：VSCode 支援廣泛的擴充功能和主題，可以根據您的需求進行定製。
  • 強大的除錯功能：VSCode 內建了強大的除錯工具，允許您設定斷點、檢查變數並一步執行程式碼。

基礎資料科學函式庫介紹

Python 中有一些基礎資料科學函式庫對於進行資料分析和科學計算至關重要。其中包括：

  • NumPy：提供對多維陣列和矩陣的支援，是大多數科學計算任務的基礎。
  • Pandas：是一個高效且強大的資料分析工具函式庫，提供資料結構和功能以便於高效地處理結構化資料。
  • Matplotlib 和 Seaborn：這些函式庫提供了強大的資料視覺化工具，使您能夠以多種格式建立高品質的 2D 和 3D 圖表。

這些函式庫是您進行資料科學和機器學習工作的基本。在接下來的章節中，我們將更深入地探討每個函式庫，並展示如何使用它們來解決實際問題。

安裝Python的步驟

安裝Python是一個相對簡單的過程，不論您使用的是Windows、macOS還是Linux。以下是安裝Python的步驟：

Windows安裝步驟

  1. 下載安裝程式：從Python官方網站下載最新版本的Python安裝程式。
  2. 執行安裝程式：開啟下載的安裝程式，並按照安裝精靈的指引進行安裝。
  3. 確認安裝：安裝完成後，開啟命令提示字元或PowerShell，輸入python --version以確認Python已經成功安裝。

macOS安裝步驟

  1. 下載.pkg檔：從Python官方網站下載最新版本的Python.pkg檔。
  2. 執行安裝程式：開啟下載的.pkg檔，按照安裝精靈的指引進行安裝。
  3. 確認安裝：安裝完成後，開啟終端機，輸入python3 --version以確認Python已經成功安裝。

Linux安裝步驟

  1. 使用套件管理器：大多數Linux發行版都預先安裝了Python，但如果需要升級或安裝特定版本，可以使用套件管理器。例如，在Ubuntu上，可以使用sudo apt update和sudo apt install python3命令。
  2. 確認安裝：安裝完成後，開啟終端機，輸入python3 --version以確認Python已經成功安裝。

安裝Anaconda的步驟

Anaconda是一個流行的Python資料科學平臺，提供了方便的套件管理和環境管理功能。以下是安裝Anaconda的步驟：

  1. 下載安裝程式：從Anaconda官方網站下載最新版本的Anaconda安裝程式。
  2. 執行安裝程式：開啟下載的安裝程式，按照安裝精靈的指引進行安裝。
  3. 選擇安裝型別：選擇適合您的安裝型別，例如"Just Me"或"All Users"。
  4. 確認安裝：安裝完成後，開啟命令提示字元或PowerShell，輸入conda --version以確認Anaconda已經成功安裝。

設定Jupyter Notebook

Jupyter Notebook是一個流行的互動式計算環境，提供了方便的程式碼編寫和執行功能。以下是設定Jupyter Notebook的步驟：

  1. 安裝Jupyter Notebook：如果您尚未安裝Jupyter Notebook，可以使用pip install jupyter命令進行安裝。
  2. 啟動Jupyter Notebook：開啟命令提示字元或PowerShell，輸入jupyter notebook以啟動Jupyter Notebook。
  3. 設定Jupyter Notebook：按照Jupyter Notebook的指引進行設定和組態。

安裝Anaconda的步驟

安裝Anaconda是一個簡單的過程，以下是步驟：

  1. 下載Anaconda安裝程式：首先，下載Anaconda的安裝程式從官方網站。
  2. 選擇安裝型別：安裝程式提供兩種安裝型別：僅為當前使用者或所有使用者。選擇適合您的安裝型別。
  3. 選擇目的地目錄：選擇一個目錄來安裝Anaconda，避免使用空格或Unicode字元。
  4. 進階安裝選項：在進階安裝選項中，您可以選擇建立啟動選單捷徑、註冊Anaconda作為系統Python解譯器以及清除套件快取。
  5. 開始安裝：點選「安裝」按鈕開始安裝過程。
  6. 完成安裝：安裝完成後，點選「完成」按鈕離開安裝程式。

啟動Jupyter Notebook

啟動Jupyter Notebook的方法有兩種：

  1. 使用Anaconda Navigator：開啟Anaconda Navigator，點選「啟動」按鈕啟動Jupyter Notebook。
  2. 使用Anaconda Prompt：開啟Anaconda Prompt，輸入jupyter notebook命令啟動Jupyter Notebook。

Jupyter Notebook介紹

Jupyter Notebook是一個根據Web的互動式計算環境，允許您建立和分享檔案，包含程式碼、資料和視覺化結果。Jupyter Notebook的主要組成部分包括：

  • 細胞：Jupyter Notebook的基本單位，分為程式碼細胞和Markdown細胞。
  • 核心：Jupyter Notebook的計算引擎，負責執行程式碼和管理檔案狀態。
  • 工具欄：提供快速存取各種檔案互動操作的工具欄。
  • 選單欄：提供額外功能的選單欄，包括檔案插入、型別調整和核心組態。

Jupyter Notebook的兩種模式

Jupyter Notebook有兩種模式：編輯模式和命令模式。

  • 編輯模式：允許您直接修改細胞內容。
  • 命令模式：允許您執行操作於細胞，而不直接修改其內容。

程式碼示例

以下是一個簡單的程式碼示例：

mynum1 = 2
mynum2 = 3
mynum3 = mynum1 * mynum2

在另一個細胞中，您可以輸入mynum3並獲得輸出結果6。

內容解密：

在這個程式碼示例中，我們定義了三個變數：mynum1、mynum2和mynum3。然後，我們將mynum1和mynum2相乘，並將結果儲存在mynum3中。最後，我們輸入mynum3並獲得輸出結果6。

圖表翻譯：

  graph LR
    A[定義變數] --> B[相乘]
    B --> C[儲存結果]
    C --> D[輸出結果]

這個圖表展示了程式碼的執行流程：定義變數、相乘、儲存結果和輸出結果。

Jupyter Notebook 與 VS Code 的基礎操作

Jupyter Notebook 是一個強大的工具，讓使用者可以輕鬆地執行和分享程式碼、資料和視覺化結果。Shift + Enter 和 Ctrl + Enter 是兩個常用的鍵盤捷徑，分別用於執行目前的儲存格並移動到下一個儲存格，或者執行目前的儲存格但保持焦點在同一個儲存格。

Jupyter Notebook 的基本操作

  • Shift + Enter：執行目前的儲存格並移動到下一個儲存格。
  • Ctrl + Enter：執行目前的儲存格但保持焦點在同一個儲存格。
  • pwd：顯示目前的工作目錄。

Markdown、Raw NBConvert 和 Heading 的使用

  • Markdown：用於建立格式化的文字，例如標題、列表和連結。
  • Raw NBConvert：允許插入未經處理的內容，例如 HTML、LaTeX 或 Markdown。
  • Heading：用於建立結構化的章節標題，組織內容。

安裝 VS Code

  1. 下載 Windows 安裝檔。
  2. 執行安裝檔並接受條款和條件。
  3. 選擇安裝目錄。
  4. 選擇額外任務。
  5. 啟動安裝程式。
  6. 安裝完成後，啟動 VS Code。

建立和執行 Python 程式

  1. 建立一個新檔案，例如 helloworld.py。
  2. 寫入 Python 程式碼，例如 print("HelloWorld")。
  3. 儲存檔案。
  4. 在 Terminal 中執行 python.\helloworld.py。

圖表翻譯：

  graph LR
    A[建立新檔案] --> B[寫入 Python 程式碼]
    B --> C[儲存檔案]
    C --> D[在 Terminal 中執行程式]
    D --> E[顯示輸出結果]

內容解密：

上述流程描述瞭如何在 VS Code 中建立和執行一個簡單的 Python 程式。首先，建立一個新檔案，然後寫入 Python 程式碼。接下來，儲存檔案。最後，在 Terminal 中執行程式，並顯示輸出結果。這個流程展示了 VS Code 的基本操作和 Python 程式的執行。

Python資料科學函式庫介紹

Python 的資料科學函式庫是資料分析、操控和視覺化的重要工具。基礎函式庫如 NumPy、Pandas、Matplotlib 和 Scipy 提供了資料科學工作流程中不同方面的功能。NumPy 擅長於陣列操作和數學函式，而 Pandas 則提供了多功能的資料結構以便於彈性操控和分析。Matplotlib 幫助建立高品質的視覺化，而 Scipy 則延伸了功能，提供了科學計算工具和演算法。掌握這些函式庫是未來資料科學家的必備技能，因為它們是 Python 資料探索和分析能力的基本。此外，Polars 和 Seaborn 是資料科學工具箱中寶貴的補充。Polars 是一個快速且高效的 DataFrame 函式庫，類別似於 Pandas，但在處理大規模資料處理任務時具有更好的效能。相反，Seaborn 建立在 Matplotlib 之上，提供了一個高階介面，用於建立吸引人的統計圖形，允許使用者快速生成各種圖表，包括散點圖、直方圖和熱圖，以便深入瞭解和有效地傳達發現。

資料科學函式庫的重要性

這些函式庫的整合提升了 Python 在資料操控、分析和視覺化方面的能力，促進了更高效和富有洞察力的資料驅動決策過程。在本章中，我們將以範例和各種概念的章節方式涵蓋這些資料科學函式庫，以便所有資料科學學習者都能以結構化的方式掌握這些概念。

Jupyter Notebook 的功能

Jupyter Notebook 提供了一個互動式環境，結合了程式碼執行、文字檔案和視覺化於一體。它允許使用者建立和執行 Python 指令碼，以展示程式設計概念和實驗資料分析技術。此外，Jupyter Notebook 還提供了一個鍵盤快捷鍵幫助選單，可以透過按下 “h” 鍵在命令模式下存取。

資料科學函式庫的應用

瞭解 NumPy、Pandas、Matplotlib 和 Scipy 等基本資料科學函式庫是 Python 程式設計旅程中的一個重要步驟。這些函式庫提供了強大的工具，用於資料分析、操控和視覺化。透過掌握這些函式庫，學習者可以更高效地進行資料驅動的決策，並在各個領域中應用資料科學技術。

重點回顧

  • Python 是一種多功能且適合初學者的程式語言，廣泛應用於網頁開發、資料科學和人工智慧等領域。
  • 使用 Anaconda 分佈安裝 Python 和 Jupyter Notebook，可以簡化設定和管理過程。
  • Jupyter Notebook 提供了一個互動式環境，結合了程式碼執行、文字檔案和視覺化於一體。
  • 建立和執行 Python 指令碼在 Jupyter Notebook 中，可以展示程式設計概念和實驗資料分析技術。
  • 安裝 VSCode 和 Python 擴充功能，可以設定一個高效的 Python 開發環境在 Windows 上。
  • 瞭解 NumPy、Pandas、Matplotlib 和 Scipy 等基本資料科學函式庫，是 Python 程式設計旅程中的一個重要步驟。

問題

  1. 什麼是使 Python 成為一種流行程式語言的關鍵特徵？
  2. 如何比較 Python 與其他程式語言在簡單性和可讀性方面？
  3. 為什麼推薦使用 Anaconda 分佈來設定 Python 和 Jupyter Notebook 在 Windows 上？
  4. Jupyter Notebook 在資料分析和程式設計工作流程中的目的是什麼？
  5. Jupyter Notebook 如何促進互動式計算，結合程式碼執行、文字格式化和視覺化？

綜觀程式語言生態圈的蓬勃發展，Python 以其簡潔易學和豐富的資料科學函式庫，無疑已成為該領域的主流語言。本文從環境設定到核心函式庫的全面介紹，展現了 Python 在資料科學領域的強大實力。透過 Anaconda 的便捷安裝，結合 Jupyter Notebook 的互動式程式設計體驗，以及 VSCode 等專業 IDE 的加持，初學者能快速上手，建構自己的資料科學工具箱。然而，Python 的效能瓶頸以及部分函式庫的版本相容性問題，仍是開發者需要關注的挑戰。對於追求極致效能的場景，需謹慎評估技術選型，並善用程式碼最佳化技巧。展望未來，隨著機器學習和深度學習的持續發展，Python 生態系統也將不斷演進，整合更多前沿技術。玄貓認為，持續學習並掌握新的工具和技術，方能保持在資料科學領域的競爭力，並將 Python 的潛力充分釋放。

玄貓

玄貓

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。