Πίνακας περιεχομένων:

Πώς τρέχετε ένα panda στο σημειωματάριο Jupyter;
Πώς τρέχετε ένα panda στο σημειωματάριο Jupyter;

Βίντεο: Πώς τρέχετε ένα panda στο σημειωματάριο Jupyter;

Βίντεο: Πώς τρέχετε ένα panda στο σημειωματάριο Jupyter;
Βίντεο: Python Pandas Tutorial 4: Read Write Excel CSV File 2024, Απρίλιος
Anonim

Για να ξεκινήσετε να χρησιμοποιείτε το νέο σας περιβάλλον, κάντε κλικ στην καρτέλα Περιβάλλοντα. Κάντε κλικ στο κουμπί βέλους δίπλα στο Πάντα όνομα περιβάλλοντος. Στη λίστα που εμφανίζεται, επιλέξτε το εργαλείο για να χρήση για να ανοίξω Πάντα : Terminal, Python, IPython , ή Σημειωματάριο Jupyter.

Επομένως, πώς χρησιμοποιείτε τα πάντα στο σημειωματάριο Jupyter;

Εισαγωγή πάντα μέσα σε Σημειωματάριο Jupyter Ανοίξτε ξανά το δικό σας σημειωματάριο και δημιουργήστε ένα νέο κελί στην κορυφή. Εκεί θα το κάνουμε εισαγωγή ο τα πάντα βιβλιοθήκη για χρήση στο σενάριό μας. Πληκτρολογήστε τα παρακάτω και πατήστε ξανά το κουμπί αναπαραγωγής. Αν δεν γίνει τίποτα, είναι καλό.

Ομοίως, πώς χρησιμοποιείτε τα πάντα στην Python; Όταν θέλετε να χρησιμοποιήσετε το Pandas για ανάλυση δεδομένων, θα το χρησιμοποιείτε συνήθως με έναν από τους τρεις διαφορετικούς τρόπους:

  1. Μετατρέψτε μια λίστα Python, λεξικό ή πίνακα Numpy σε ένα πλαίσιο δεδομένων Pandas.
  2. Ανοίξτε ένα τοπικό αρχείο χρησιμοποιώντας Pandas, συνήθως ένα αρχείο CSV, αλλά θα μπορούσε επίσης να είναι ένα οριοθετημένο αρχείο κειμένου (όπως το TSV), το Excel κ.λπ.

Στη συνέχεια, το ερώτημα είναι πώς μπορώ να εκτελέσω ένα σημειωματάριο Jupyter;

Για να ξεκινήσετε την εφαρμογή Jupyter Notebook:

  1. Κάντε κλικ στο προβολέα, πληκτρολογήστε terminal για να ανοίξετε ένα παράθυρο τερματικού.
  2. Εισαγάγετε το φάκελο εκκίνησης πληκτρολογώντας cd /some_folder_name.
  3. Πληκτρολογήστε jupyter notebook για να εκκινήσετε την εφαρμογή Jupyter Notebook Η διεπαφή του σημειωματάριου θα εμφανιστεί σε ένα νέο παράθυρο ή καρτέλα προγράμματος περιήγησης.

Είναι εύκολο να μάθεις τα πάντα;

Η Python είναι απλούστερη και πιο αρθρωτή από το MATLAB σε αυτό το θέμα. Αφού κατακτήσετε το NumPy, Πάντα είναι αρκετά Ανετα να μαζέψει. Επεκτείνει όλες τις έννοιες NumPy σε δεδομένα πίνακα όπου κάθε στήλη μπορεί να είναι διαφορετικού τύπου δεδομένων (σε αντίθεση με έναν πίνακα όπου όλα τα στοιχεία πρέπει να είναι του ίδιου τύπου δεδομένων).

Συνιστάται: