[机器学习]Python安装简单教程(一)

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: [机器学习]Python安装简单教程(一)

开头

大家好,我是程序员manor,我希望自己能成为国家复兴道路的铺路人,大数据领域的耕耘者,平凡但不甘于平庸的人。

暑假打算做一个大数据项目巩固所学知识,

学习的课程是某硅谷的实时推荐和机器学习项目

https://www.bilibili.com/video/BV1R4411N78S?p=1

以下是我的学习输出:

Python简单教程

  1. Python综述
    1.1 python是什么
    Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
    Python的设计具有很强的可读性,相比其他语言经常使用英文关键字,其他语言的一些标点符号,它具有比其他语言更有特色语法结构。
    Python是一种解释型语言: 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
    Python是交互式语言: 这意味着,我们可以在一个Python提示符后面直接互动执行写自己的程序。
    Python是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
    Python是初学者的语言:Python简单易学,对初级程序员而言,是一种伟大的语言,它支持广泛的应用程序开发,从简单的文字处理到 WWW 浏览器再到游戏。
    1.2 python的发展
    Python 是由 Guido van Rossum(龟叔) 在八十年代末和九十年代初,在荷兰国家数学和计算机科学研究所设计出来的。
    Python 本身也是由诸多其他语言发展而来的,这包括 ABC、Modula-3、C、C++、Algol-68、SmallTalk、Unix shell 和其他的脚本语言等等。像 Perl 语言一样,Python 源代码同样遵循 GPL(GNU General Public License)协议。现在 Python 是由一个核心开发团队在维护,Guido van Rossum 仍然占据着至关重要的作用,指导其进展。
    1.3 python的特点
    易于学习:Python有相对较少的关键字,结构简单,和一个明确定义的语法,学习起来更加简单。
    易于阅读:Python代码定义的更清晰。
    易于维护:Python的成功在于它的源代码是相当容易维护的。
    一个广泛的标准库:Python的最大的优势之一是丰富的库,跨平台的,在UNIX,Windows和Macintosh兼容很好。
    互动模式:互动模式的支持,您可以从终端输入执行代码并获得结果的语言,互动的测试和调试代码片断。
    可移植:基于其开放源代码的特性,Python已经被移植(也就是使其工作)到许多平台。
    可扩展:如果你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,你可以使用C或C++完成那部分程序,然后从你的Python程序中调用。
    数据库:Python提供所有主要的商业数据库的接口。
    GUI编程:Python支持GUI可以创建和移植到许多系统调用。
    可嵌入: 你可以将Python嵌入到C/C++程序,让你的程序的用户获得"脚本化"的能力。
    2.Python3安装
    2.1 python3 和 python2的区别
    Python的3.0版本,常被称为Python 3000,或简称Py3k。相对于Python的早期版本,这是一个较大的升级。
    为了不带入过多的累赘,Python 3.0在设计的时候没有考虑向下相容。
    许多针对早期Python版本设计的程式都无法在Python 3.0上正常执行。
    为了照顾现有程式,Python 2.6作为一个过渡版本,基本使用了Python 2.x的语法和库,同时考虑了向Python 3.0的迁移,允许使用部分Python 3.0的语法与函数。
    新的Python程式建议使用Python 3.0版本的语法。
    除非执行环境无法安装Python 3.0或者程式本身使用了不支援Python 3.0的第三方库。目前不支援Python 3.0的第三方库有Twisted, py2exe, PIL等。
    Python 3.0 在 print函数、Unicode编码、除法运算、数据类型和异常等方面都与2.X版本有所变化。
    2.2 python3环境的安装(以windows为例)
    第一步,下载python环境安装包
    官方地址:https://www.python.org/

第二步,安装python环境

第三步,测试是否安装成功

打开cmd命令终端,输入python,显示版本信息表示安装成功

2.3 Anaconda 安装(可选)

如果是在windows系统中安装,为了更简单地使用python中丰富的库资源,可以直接安装一个python“全家桶”——Anaconda。

Anaconda 是一个python的发行版,包括了python和很多常见的软件库, 和一个包管理器conda。常见的科学计算类的库都包含在里面,使得安装比常规python安装要容易。注意,装了Anaconda就不需要再装python了。

Anaconda不仅可以方便地安装、更新、卸载工具包,而且安装时能自动安装相应的依赖包,同时还能使用不同的虚拟环境隔离不同要求的项目;从而大大简化了工作流程。

下载地址:https://www.anaconda.com/distribution/

下载需要的对应版本,安装非常简单,只要跟着引导一步步做就可以了。

3.打印出helloworld

Pycharm安装包附破解包,同步更新到我的公众号:大数据智能ai

Pycharm就安装完了~

总结

以上便是Python安装简单教程,Pycharm的破解安装包(win+mac)在我的公众号:大数据智能ai 获取吧~


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
28天前
|
IDE 开发工具 索引
在Python中安装第三方库
在Python中安装第三方库
393 30
|
1天前
|
Linux Python
Linux 安装python3.7.6
本教程介绍在Linux系统上安装Python 3.7.6的步骤。首先使用`yum`安装依赖环境,包括zlib、openssl等开发库。接着通过`wget`下载Python 3.7.6源码包并解压。创建目标文件夹`/usr/local/python3`后,进入解压目录执行配置、编译和安装命令。最后设置软链接,使`python3`和`pip3`命令生效。
|
7天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
38 8
|
7天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
26 7
|
7天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
27 4
|
7天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
24 5
|
25天前
|
存储 JSON 网络安全
使用 EFS 在 AWS Lambda 上安装 Python 依赖项
使用 aws lambda 时,开发人员面临的常见挑战之一是管理大型 python 依赖项。
29 1
|
28天前
|
Ubuntu Linux iOS开发
安装Python
安装 Python 是相对简单的过程,但需要根据不同的操作系统选择合适的方法。同时,合理使用虚拟环境可以更好地管理项目的依赖和环境,提高开发效率。希望这些步骤和注意事项能帮助你顺利安装 Python。
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
28 1
|
29天前
|
机器学习/深度学习 数据可视化 数据处理
掌握Python数据科学基础——从数据处理到机器学习
掌握Python数据科学基础——从数据处理到机器学习
41 0
下一篇
DataWorks