python + pycharm 环境配置

最新推荐文章于 2025-04-24 17:46:29 发布

Banbakaban

最新推荐文章于 2025-04-24 17:46:29 发布

阅读量3.8k

点赞数 1

分类专栏： matplotlib学习文章标签： pycharm python ide

本文链接：https://blog.youkuaiyun.com/Banbakaban/article/details/122294730

版权

matplotlib学习专栏收录该内容

3 篇文章

订阅专栏

本文介绍了如何安装Python和PyCharm，然后通过PyCharm创建工程并加载数据科学所需的包。通过加载CSV文件，利用matplotlib和pandas进行数据可视化，展示了一个数据关联分析的例子，绘制了多个散点图并保存为图片。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.安装Python
前往 https://www.python.org/downloads/release/python-383/ ，根据环境下载对应的python安装包安装。
在这里插入图片描述

2. 安装pycharm
Pycharm是一个可用作工程开发的工具。
前往 https://www.jetbrains.com/pycharm/ ，点击下图中的下载链接：

在这里插入图片描述

分Professional和Community两个版本，deployment等功能仅前者开放。
· Community版本：免费。
· Professional版本：高校在校生可以注册账号并认证，即可免费使用。
在这里插入图片描述

3. 新建工程
打开pycharm后，点击 project -> new project 。
· 1 - 环境，可选默认Virtual
· 2 - 工程编译器位置
· 3 - 工程编译器base（一般是你安装的python位置）
在这里插入图片描述

4. 加载包
方法一：Setting加载
打开File - > settings , 打开下方位置python interpreter，点击右方加号。
位置1：搜索包
位置2：选择版本
位置3：点击安装

在这里插入图片描述

方法二：terminal 安装

在下方Terminal内使用pip install xxx或者 pip install 已经下载好的文件。
在这里插入图片描述

5 . 运行代码

需要加载包 matplotlib 和pandas 。

from matplotlib import pyplot as plt
import pandas as pd

# 读取文件
filename = "E:\\wq18.CSV"
data = pd.read_csv(filename)

# 读取数据
irq = []
irq = data.loc[:, 'irq']
NT = []
NT = data.loc[:, 'NT']
negativeeff = []
negativeeff = data.loc[:, 'negativeeff']
PT = []
PT = data.loc[:, 'PT']
PE = []
PE = data.loc[:, 'PE']
cesd = []
cesd = data.loc[:, 'cesd']
loneliness = []
loneliness = data.loc[:, 'loneliness']
traitanxiety = []
traitanxiety = data.loc[:, 'traitanxiety']

# 分类
x_array = [irq, NT, negativeeff, PT, PE]
y_array = [cesd, loneliness, traitanxiety]
x_label = ['interpersonal emotion regulation', 'IER negative tendency', 'IER negative efficacy', 'IER positive tendency', 'IER positive efficacy']
y_label = ['depressive symptoms', 'loneliness', 'trait anxiety']

# 画图
for i in range(1, 6):
    for j in range(1, 4):
        plt.figure(i+5*j-5)
        plt.xlabel(x_label[i-1], fontsize=10)
        plt.ylabel(y_label[j-1], fontsize=10)
        plt.scatter(x_array[i-1], y_array[j-1], s=50)
        plt.savefig('E:\\Result_' + x_label[i-1] + '_' + y_label[j-1] + '.jpg')
#绘制
plt.show()