基础语言环境

IDE

简而言之, Jupyter Notebook是以网页的形式打开,可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档,可在同一个页面中直接编写,便于作及时的说明和解释。

关联Jupyter Notebook和conda的环境和包——nb_conda。这是目前使用Jupyter Notebook的必备环节

参考文档：

• Jupyter Notebook介绍、安装及使用教程 - 知乎 (zhihu.com)
• ImportError: No module named ‘seaborn‘猪大P的博客-CSDN博客

• 一个能支持Python、R、Java、JavaScript、C等语言包、依赖和环境管理工具
• 一个能在Windows、MacOS、Linux上运行开源的软件包管理系统和环境管理系统
• 一个能在本地轻松创建、保存、切换环境

参考文档：

• 一文全面掌握conda_小码匠与老码农的博客-CSDN博客_conda
• 更适合安装查看：Anaconda安装指南（'conda' 不是内部或外部命令,也不是可运行的程序 或批处理文件） - darling达 - 博客园 (cnblogs.com)
• 全网最简约的Vscode配置Anaconda环境（百分百成功)
• Vscode——正确调用Anaconda创建的虚拟环境的方法_William.csj的博客-CSDN博客_vscode使用anaconda虚拟环境
• [iloc ]函数（Pandas库）

conda分为两个版本：

• anaconda
• miniconda

Anaconda和Miniconda都是Python语言的发行版管理器，它们的主要区别在于大小和功能：

1. 大小：Anaconda是一个大型的Python发行版，包含了Python解释器、常用科学计算和数据分析的库和工具、以及一个用户界面，安装包的大小通常在几个GB以上。而Miniconda是一个轻量级的Python发行版，只包含了Python解释器和一个基本的包管理器，安装包的大小通常在几百MB到1GB之间。
2. 功能：Anaconda拥有很多预安装的科学计算和数据分析工具，比如NumPy、SciPy、Pandas、Matplotlib等，以及一些常用的IDE和编辑器，如Spyder、Jupyter Notebook等。而Miniconda只包含最基本的工具，用户需要自己手动安装需要的库和工具。

因此，如果

• 你需要一个完整的Python发行版，并且希望可以直接使用很多常用的科学计算和数据分析工具，那么Anaconda是一个很好的选择。
• 但如果你只需要一个轻量级的Python解释器和一个基本的包管理器，可以自己选择需要的库和工具，那么Miniconda可能更适合你。

Python 科学计算的基本包

基于C++底层实现的Python数组结构。

因为Python本身只提供列表（对数据类型没有限制，而且效率不高）。

主要区分：

1. 数组中所有元素的数据类型是相同的。
2. 底层经过充分优化的 C 语言代码，计算性能比高。
3. 提供了全面的数学函数可以直接应用在数组上。

简而言之就是封装了大量数学运算的API

• Scipy依赖于Numpy，使用的基本数据结构是NumPy模块
  提供的多维数组
• NumPy提供了一些用于线性代数、傅里叶变换和随机数生成的函数，SciPy中也提供了，并且通用性更强，是高端科学计算工具包
• Scipy包含的功能:最优化、线性代数、积刀、他且、J人、特殊函数、快速傅里叶变换、信号处理、图像处理、常
  微分方程求解器等

简介

Python的核心数据分析支持库。

提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据，其基础是Numpy(提供高性能的矩阵运算)

Pandas适用于处理以下类型的数据

• 与SQL或Excel表类似的，含异构列的表格数据;
• 有序和无序(非固定频率)的时间序列数据;
• 带行列标签的矩阵数据，包括同构或异构型数据;
• 任意其它形式的观测、统计数据集,数据转入Pandas 数据结构时不必事先标记

数据结构

Pandas数据结构就像是低维数据的容器。比如DataFrame是Series的容器，Series则是标量的容器。使用这种方式，可以在容器中以字典的形式插入或删除对象

• series

  

• dataframe

  

Matplotlib是一个Python的2D绘图库（(当然也可以绘制3D，但是需要额外安装支持的工具包)) ，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形
只需几行代码就可以生成图表、直方图、功率谱条形图、误差图、散点图等

参考文档：

• 数据可视化是什么 (biancheng.net)
• Matplotlib 教程 | 菜鸟教程 (runoob.com)

• 是基于Python语言的机器学习工具
• 简单高效的数据挖掘和数据分析工具
• 可供大家在各种环境中重复使用
• 建立在NumPy ,SciPy和matplotlib 上
• 开源，可商业使用–BSD许可证。

参考文档：

• 用户指南-scikit-learn中文社区

• Scikit-Learn入门教程_Python数据之道的博客-CSDN博客