【python学习笔记】软件安装与环境配置

最新推荐文章于 2025-06-06 15:07:49 发布

月牙儿June

最新推荐文章于 2025-06-06 15:07:49 发布

阅读量582

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python 云计算/大数据/AI 数据挖掘与人工智能

本文链接：https://blog.youkuaiyun.com/u014006007/article/details/79056253

python 同时被 3 个专栏收录

3 篇文章

订阅专栏

云计算/大数据/AI

2 篇文章

订阅专栏

数据挖掘与人工智能

2 篇文章

订阅专栏

本文介绍了Python的基础知识，包括Python与C语言的区别、命名规范、环境配置等，并通过一个决策树可视化的实例展示了如何利用Graphviz工具进行数据可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python:解释型语言。解释、运行。不需要编译链接
c：编写、编译、链接、运行

python 命名规范：
module_name, package_name, ClassName, method_name, ExceptionName, function_name, GLOBAL_VAR_NAME, instance_var_name, function_parameter_name, local_var_name

打开 jupyter notebook

$ jupyter notebook

配置python2.7

conda create -n py27 python=2.7
source activate py27 #Mac user
activate py27 #windows user

配置python2.7到kernel中

先执行上面的代码，进入python2.7版本中

pip install ipykernel
python -m ipykernel install --name Py27

安装决策树可视化工具Graphviz

下载地址：http://graphviz.gitlab.io/download
Mac 用户安装方法之一：借助Homebrew
brew install graphviz
但是这样安装后，import graphviz 出错，再试一下conda安装：
conda install graphviz
import graphviz时还是会报错。再试一下pip install graphviz
再次import graphviz 成功运行

一个应用Graphviz的小练习

import sklearn.datasets as datasets
import pandas as pd
iris = datasets.load_iris()
df = pd.DataFrame(iris.data,columns=iris.feature_names)
y = iris.target

from sklearn.tree import DecisionTreeClassifier
dtree = DecisionTreeClassifier()
dtree.fit(df,y)

输出output：
DecisionTreeClassifier(class_weight=None, criterion=’gini’, max_depth=None,
max_features=None, max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, presort=False, random_state=None,
splitter=’best’)

from sklearn.externals.six import StringIO
from IPython.display import Image
from sklearn.tree import export_graphviz
import pydotplus
dot_data = StringIO()
export_graphviz(dtree,out_file=dot_data,
               filled=True, rounded=True,
               special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
Image(graph.create_png())

输出：
决策树事例

几个重要工具

import numpy as np
import scipy
import pandas as pd
import sklearn
import keras.backend as K
import tensorfolw as tf

numpy

numpy定义了python进行矩阵数值计算

np.add(A,B)#加
np.subtract(A,B)#减
#对应位置上的元素与元素相乘 ：A*A
#矩阵乘法：A@A
np.dot(A,B)#乘，矩阵相乘
np.matmul(C,D) ## C@D 矩阵相乘
np.multiply(C,D) ##C*D 元素相乘

安装Tensorflow 与Keras

Tensorfolw 与python3.5匹配最好，因此先配置一个python3.5的环境，以便后面用到Tensorflow时使用。
在python3.5环境下pip安装Tensorflow

conda create -n py35 python=3.5
source activate py35
pip install  tensorflow

安装好以后再按照上面的方法将py35配置到jupyter notebook的kernel中：
在py35环境下执行下面代码
pip install ipykernel #因为python3.5环境下没有安装过ipykernel 所以需要再安装一次。
python -m ipykernel install --name py35