简介Jupyter Notebook | Python 数据可视化库 Matplotlib 快速入门之二

简介: 本节重点介绍了Jupyter Notebook是什么,以及Jupyter Notebook在画图和数据展示方面的优势。

环境搭建 | Python 数据可视化库 Matplotlib 快速入门之一

Jupyter Notebook使用

学习目标

  • 目标

    • 学会使用Jupyter Notebook编写运行代码
  • 应用

    • 创建文件
    • 操作cell
    • 运行操作
  • 内容预览

    • 1.2.1 Jupyter Notebook介绍
    • 1.2.2 为什么使用Jupyter Notebook?
    • 1.2.3 Jupyter Notebook的使用-helloworld

      • 1 界面启动、创建文件
      • 2 cell操作
      • 3 markdown演示

Jupyter Notebook介绍

Jupyter项目是一个非盈利的开源项目,源于2014年的ipython项目, 并逐渐发展为支持跨所有编程语言的交互式数据科学计算的工具。

  • Jupyter Notebook,原名IPython Notbook,是IPython的加强网页版,一个开源Web应用程序
  • 名字源自Julia、Python和R(数据科学的三种开源语言) ju-Julia、py-Python、ter-R。
    Jupiter:木星、宙斯
  • 是一款程序员和科学工作者的编程/文档/笔记/展示软件
  • .ipynb文件格式是用于计算型叙述的JSON文档格式的正式规范

image.png

Jupyter项目旨在开发跨几十种编程语言的开源软件, 开放标准和用于交互式计算的服务。

为什么使用Jupyter Notebook

  • 传统软件开发:工程/目标明确

    • 需求分析,设计架构,开发模块,测试
  • 数据挖掘:艺术/目标不明确

    • 目的是具体的洞察目标,而不是机械的完成任务
    • 通过执行代码来理解问题
    • 迭代式地改进代码来改进解决方法

实时运行的代码、叙事性的文本和可视化被整合在一起,方便使用代码和数据来讲述故事。

对比Jupyter Notebook和Pycharm

  • 画图方面的优势

在画图方面,Pycharm运行之后会阻塞,需要把图片关掉才能继续运行。

def matplotlib_demo():
    """
    简单演示matplotlib
    :return: None
    """
    plt.figure(figsize=(20, 8), dpi=100)
    plt.plot([1, 2, 3], [4, 5, 6])
    plt.show()
    
    return None
    
def read_csv_demo():
    """
    简单演示读取数据
    :return: None
    """
    stock_day = pd.read_csv("./stock_day/stock_day.csv")
    
    print(stock_day)
    return None
    
    
if__name__=="_main__":
    #代码1:简单演示matplotLib
    matplotlib_demo()
    #代码2:简单演示读取数据
    read_csv_demo()

执行结果:

image.pngimage.png

Jupyter Notebook:

import matplotlib.pyplot as plt
%matplotlib inline

plt.figure()
plt.plot([1, 0, 9], [4, 5, 6])
plt.show()

执行结果:


image.png

  • 数据展示方面的优势:
import pandas as pd
stock_day = pd.read_csv("./stock_day/stock_day.csv")

stock_day

执行结果:

image.png

在数据量比较庞大时,Pycharm运行会比较慢,且关闭之后每次都要重新运行,耗时。

总结:Jupyter Notebook相比Pycharm、Ipython在画图和数据展示方面更有优势。

配套视频课程,点击这里查看

获取更多资源请订阅Python学习站

相关文章
|
4月前
|
IDE 开发工具 Python
魔搭notebook在web IDE下,使用jupyter notebook,python扩展包无法更新升级
魔搭notebook在web IDE下,使用jupyter notebook,python扩展包无法更新升级,不升级无法使用,安装python扩展包的时候一直停留在installing
101 4
|
4月前
|
Linux 数据库 数据安全/隐私保护
Python web Django快速入门手册全栈版,共2590字,短小精悍
本教程涵盖Django从安装到数据库模型创建的全流程。第一章介绍Windows、Linux及macOS下虚拟环境搭建与Django安装验证;第二章讲解项目创建、迁移与运行;第三章演示应用APP创建及项目汉化;第四章说明超级用户创建与后台登录;第五章深入数据库模型设计,包括类与表的对应关系及模型创建步骤。内容精炼实用,适合快速入门Django全栈开发。
119 1
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
260 1
|
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。
|
10月前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
386 8
|
11月前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
471 5
|
12月前
|
数据采集 Web App开发 数据可视化
Python爬虫教程:Selenium可视化爬虫的快速入门
Python爬虫教程:Selenium可视化爬虫的快速入门
|
存储 数据可视化 数据挖掘
揭秘!Matplotlib与Seaborn联手,如何让Python数据分析结果一目了然,惊艳全场?
在数据驱动时代,高效直观地展示分析结果至关重要。Python中的Matplotlib与Seaborn是两大可视化工具,结合使用可生成美观且具洞察力的图表。本文通过分析某电商平台的商品销量数据集,展示了如何利用这两个库揭示商品类别与月份间的销售关系及价格对销量的影响。首先使用Matplotlib绘制月份销量分布直方图,再借助Seaborn的箱线图进一步探索不同类别和价格区间下的销量稳定性。
185 10
|
数据可视化 数据挖掘 API
使用Python进行数据可视化:探索Matplotlib和Seaborn库
【9月更文挑战第19天】在数据科学领域,将复杂的数据集转换成直观、易懂的图形是一项基本而关键的技能。本文旨在通过Python编程语言介绍两个强大的数据可视化库——Matplotlib和Seaborn,以及它们如何帮助数据分析师和研究人员揭示数据背后的故事。我们将从基础概念讲起,逐步深入到高级技巧,确保无论读者的背景如何,都能获得必要的知识和启发,以在自己的项目中实现有效的数据可视化。

热门文章

最新文章

推荐镜像

更多