Python数据分析之anaconda安装和使用

简介: 今天开始学习Python数据分析了,说到Python数据分析,大家都会推荐使用anaconda,但作为一个初学者,总是很多疑虑,但在实践中解决了一部分,先和大家分享分享。

今天开始学习Python数据分析了,说到Python数据分析,大家都会推荐使用anaconda,但作为一个初学者,总是很多疑虑,但在实践中解决了一部分,先和大家分享分享。

疑虑

最大的疑虑就是:安装了anaconda会和之前安装的Python冲突吗?

pycharm中使用的是哪一个呢?

大家其实不用担心,我们打开pycharm的default settings


img_6c1170bbe6e3cde261c5b8a6d6f2a08a.png

只需要选择相应的就行,根本不用担心会冲突

安装库在哪安装了?

使用哪个Python版本是没问题了,但我需要安装库到底会安装到哪里了?
我打开cmd命令窗口,输入Python,默认的是anaconda,这时候我就陷入了沉思:我想pip install下载包到之前下载的Python中怎么办?我提供了二个解决方案:
1 在pycharm中选择好了环境后安装(这个办法不是特别的好,pycharm安装包不太好用)
2 在网上下载源然后copy的本地,找到文件夹就行。(如图)


img_453575e017226f2cbacb45e298f54ea5.jpe

其实,用了几次后,发现anaconda很好用,可以创建多种环境,自由切换。

anaconda的安装和使用

哎,不是去官网下载的,实在是太慢了,找了一个清华的镜像,好心的小伙伴可以给我共享一个么(win7,64位的)。安装过程很简单,大家自行解决。

使用

1打开anaconda


img_57158a02af58fe683a04bbd384dd3fc7.png

2 查看版本情况

conda --version

3 创建和使用环境(重点)

conda create --name xxx python=2 #xxx为环境名称,创建了python版本为2的环境
conda create --name xxx python=3 #创建了python版本为3的环境
conda create --name xxx python=3 anaconda #创建了python版本为3的环境,并具有anaconda的所有包
conda info --envs #查看环境
activate xxx #激活环境
deactivate xxx #退出环境
conda remove --name xxx --all # 删除一个已有的环境

4 包的安装和卸载

conda install xxx #xxx为包名称
conda remove xxx #卸载包
pip install xxx
pip uninstall xxx

感受一下jupyter notebook

数据分析基本上会在jupyter notebook运行,感受一下,文理间的搭配。


img_8e390acf50537df12313836e5cea9740.jpe

img_c507fc721b12d91ac8256b0128a6ed41.jpe
相关文章
|
3月前
|
Linux 计算机视觉 C++
【解决方案】Building wheel for opencv-python:安装卡顿的原因与解决方案
当你安装OpenCV时,命令行停在Building wheel for opencv-python (PEP 517) ... -似乎卡住了。这并非程序假死,而是其编译耗时巨大。本文将揭示原因,并提供优化安装体验的实用方法。
449 88
|
2天前
|
人工智能 数据安全/隐私保护 异构计算
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
40 8
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
|
3月前
|
数据采集 数据可视化 搜索推荐
Python数据分析全流程指南:从数据采集到可视化呈现的实战解析
在数字化转型中,数据分析成为企业决策核心,而Python凭借其强大生态和简洁语法成为首选工具。本文通过实战案例详解数据分析全流程,涵盖数据采集、清洗、探索、建模、可视化及自动化部署,帮助读者掌握从数据到业务价值的完整技能链。
377 0
|
3月前
|
人工智能 数据挖掘 Linux
Centos安装Python3.7(亲测可用)
本指南详细介绍了在基于Linux(以CentOS系统为例,使用yum包管理器)的系统上安装Python 3.7版本的完整流程。Python是一种广泛使用的高级编程语言,在各种领域如软件开发、数据分析、人工智能和区块链开发等都有着重要的应用。
300 2
|
6月前
|
IDE 开发工具 开发者
手把手教你安装PyCharm 2025:开发者的Python IDE配置全流程+避坑指南
本教程详细介绍了PyCharm 2025版本在Windows系统下的安装流程及配置方法,涵盖AI代码补全与智能调试工具链等新功能。内容包括系统要求、安装步骤、首次运行配置(如主题选择与插件安装)、创建首个Python项目,以及常见问题解决方法。此外,还提供了切换中文界面和延伸学习资源的指导,帮助用户快速上手并高效使用PyCharm进行开发。
2918 61
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
Python数据分析,别再死磕Excel了!
Python数据分析,别再死磕Excel了!
191 2
|
6月前
|
存储 缓存 文件存储
uv安装python及其依赖的加速方法
国内在使用uv的时候,可能会涉及到装python的速度太慢的问题,为了解决这个问题,可以使用`UV_PYTHON_INSTALL_MIRROR`这个环境变量。除此以外,对于多人协作场景,`UV_CACHE_DIR`也是一个有用的环境变量。本文会介绍这两个变量。
4304 10
|
7月前
|
机器学习/深度学习 数据采集 数据可视化
Python/Anaconda双方案加持!Jupyter Notebook全平台下载教程来袭
Jupyter Notebook 是一款交互式编程与数据科学分析工具,支持40多种编程语言,广泛应用于机器学习、数据清洗和学术研究。其核心优势包括实时执行代码片段、支持Markdown文档与LaTeX公式混排,并可导出HTML/PDF/幻灯片等格式。本文详细介绍了Jupyter Notebook的软件定位、特性、安装方案(Anaconda集成环境与原生Python+PIP安装)、首次运行配置及常见问题解决方案,帮助用户快速上手并高效使用该工具。
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
738 4
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
224 2

推荐镜像

更多