热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

python打卡记录去重_Python零基础学习笔记与记录之一(了解Python这个小伙伴)

本人学习笔记,知识点均摘自于网络,用于学习和交流(如未注明出处,请提醒,将及时更正,谢谢)OS:我学习是为了上

本人学习笔记,知识点均摘自于网络,用于学习和交流(如未注明出处,请提醒,将及时更正,谢谢)

OS :我学习是为了上天

广告漫天飞,学了好像真得能上天,我被成功种草了!!!基于UI设计师零基础编程的底子(了解一点页面前端),希望能掌握爬虫和数据分析的技能;梦想可以很饱满,万一实现了呢!为了没退路,记录一下学习过程,望能经常打卡^_^!走上飞天路!

一、Python能干什么?为什么那么火?

1、网络爬虫

爬虫:指从互联网采集数据的程序脚本。

2、数据分析

对数据进行诸如清洗、去重、存储、分析、可视化等处理,将大量的数据以易懂的形式呈现出来。

3、人工智能

用于机器学习,许多诸如 Scikit-learn 等机器学习库使得 Python 极具优势 ;Keras 、TensorFlow 、Pytorch 等深度学习主流框架也决定了 Python 在深度学习领域的天选之子地位。

4、其它:web后台开发、3D游戏开发等

火火火:学完Pyhone,可以上天!

Python是一门兼具简单与功能强大的编程语言,它专注于如何解决问题、自由开放的社区环境以及丰富的第三方库,无需浪费时间去造轮子,各种Web框架、爬虫框架、数据分析框架、机器学习框架应有尽有,这使得python受到越来越多的人喜爱。

1.入手快:Python 语言相对于其他编程语言来说,属于比较容易学习的一门编程语言,它注重的是如何解决问题而不是编程语言的语法和结构。所以,已经有越来越多的初学者选择Python 语言作为编程的入门语言。

2.颜值高:Python 语言力求代码简洁、优美。在 Python 语言中,采用缩进来标识代码块,通过减少无用的大括号,去除语句末尾的分号等视觉杂讯,使得代码的可读性显著提高。它使你能够专注于解决问题,而不用太纠结编程语言本身的语法。

3.有内涵:Python 语言号称自带电池,寓意是 Python 语言的类库非常的全面,包含了解决各种问题的类库。无论实现什么功能,都有现成的类库可以使用。合理使用 Python 的类库和开源项目,能够快速的实现功能,满足业务需求。

4.效率高:Python 语言因为有了丰富强大的类库,所以,Python 的开发效率能够显著提高。实现相同的功能,Python 代码的文件往往只有 C、C++ 和 Java 代码的 1/5~1/3。这也是为什么各大互联网公司广泛使用 Python 语言的原因。

5.应用广:工程师可以使用 Python 做很多的事情。例如,Web 开发、网络编程、自动化运维、Linux 系统管理、数据分析、科学计算、人工智能、机器学习等等。

一款集入手快、颜值高、内涵丰富、效率高、应用广的编程语言,纵然有一些缺点在所难免,但瑕不掩瑜,让Python轻松俘获从业人员的心。

OS:对于Python的第一印象:它应该是一个大火锅,可以融合种库,想要用什么功能,就调出来就好了。我只要学会怎么做好火锅底料就万事OK了!(但愿如此,心中默默祈祷)学会了爬虫,在这网络的大火锅里想捞啥就捞啥,嘻....

OS:到底该用什么软件工具?火锅炉具总是要有的,对于我这种初学者,Anaconda + Pycharm,可能比较适合我!据闻Anaconda已包含了很多包,虽然还不明白包是什么,但集合的总没错;Anaconda先安装起来。

二、Python、Pycharm、Anaconda 三者之间的关系

1.Python

Python是一种跨平台的计算机程序语言。是一种解释型、面向对象、动态数据类型的高级程序设计语言。

2. Pycharm

PyCharm是一种常用的Python IDE,带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。

3. Anaconda

Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包,Anaconda 的下载文件比较大(约 531 MB),如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和 Python)。

* Anaconda包括Conda、python以及一大堆安装好的工具包比如:numpy、pandas等。

* Miniconda只包括Conda、Python,是Anaconda的简约版。conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换。

开发常见搭配

只学习python语言的初学者可以先下载好特定版本的Python解释器后,然后再搭配界面程序Pycharm来进行简单的语法学习和项目调试,因为不需要考虑不同项目需要不同python工具包的版本问题。即:Python解释器 + Pycharm。

而要进行项目开发的人员,时常有多个项目同时开发,并且不同的项目需要不同版本的工具包,这时使用Anaconda可以帮助我们管理更多项目的环境,将每个项目单独放在一个虚拟环境中,并且使这些环境中工具包相互独立,不会产生工具包版本冲突问题,并且可以下载多个版本的工具包,可以安装多个不同版本的Python解释器。Anaconda自带Python解释器,即:Anaconda + Pycharm。

三、Anaconda安装和配置(只试过MAC的安装)

3. 安装时,在对话框中“Introduction”、“Read Me”、“License”部分可直接点击下一步

4. “Destination Select”部分选择“Install for me only”并点击下一步。

注意:若有错误提示信息“You cannot install Anaconda in this location”则重新选择“Install for me only”并点击下一步。

5. 等待“Installation”部分结束,在“Summary”部分若看到“The installation was completed successfully.”则安装成功,直接点击“Close”关闭对话框。

6. 启动"Anaconda-Navigator”,出现如下界面,我们的小伙伴"Python"已安装成功。



推荐阅读
  • 全能终端工具推荐:高效、免费、易用
    介绍一款备受好评的全能型终端工具——MobaXterm,它不仅功能强大,而且完全免费,适合各类用户使用。 ... [详细]
  • 本文详细介绍了 Dockerfile 的编写方法及其在网络配置中的应用,涵盖基础指令、镜像构建与发布流程,并深入探讨了 Docker 的默认网络、容器互联及自定义网络的实现。 ... [详细]
  • Hadoop入门与核心组件详解
    本文详细介绍了Hadoop的基础知识及其核心组件,包括HDFS、MapReduce和YARN。通过本文,读者可以全面了解Hadoop的生态系统及应用场景。 ... [详细]
  • 深入浅出TensorFlow数据读写机制
    本文详细介绍TensorFlow中的数据读写操作,包括TFRecord文件的创建与读取,以及数据集(dataset)的相关概念和使用方法。 ... [详细]
  • Explore a common issue encountered when implementing an OAuth 1.0a API, specifically the inability to encode null objects and how to resolve it. ... [详细]
  • Java 中 Writer flush()方法,示例 ... [详细]
  • 机器学习中的相似度度量与模型优化
    本文探讨了机器学习中常见的相似度度量方法,包括余弦相似度、欧氏距离和马氏距离,并详细介绍了如何通过选择合适的模型复杂度和正则化来提高模型的泛化能力。此外,文章还涵盖了模型评估的各种方法和指标,以及不同分类器的工作原理和应用场景。 ... [详细]
  • 毕业设计:基于机器学习与深度学习的垃圾邮件(短信)分类算法实现
    本文详细介绍了如何使用机器学习和深度学习技术对垃圾邮件和短信进行分类。内容涵盖从数据集介绍、预处理、特征提取到模型训练与评估的完整流程,并提供了具体的代码示例和实验结果。 ... [详细]
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
  • Coursera ML 机器学习
    2019独角兽企业重金招聘Python工程师标准线性回归算法计算过程CostFunction梯度下降算法多变量回归![选择特征](https:static.oschina.n ... [详细]
  • 机器学习核心概念与技术
    本文系统梳理了机器学习的关键知识点,涵盖模型评估、正则化、线性模型、支持向量机、决策树及集成学习等内容,并深入探讨了各算法的原理和应用场景。 ... [详细]
  • Python 工具推荐 | PyHubWeekly 第二十一期:提升命令行体验的五大工具
    本期 PyHubWeekly 为大家精选了 GitHub 上五个优秀的 Python 工具,涵盖金融数据可视化、终端美化、国际化支持、图像增强和远程 Shell 环境配置。欢迎关注并参与项目。 ... [详细]
  • 本文旨在探讨如何利用决策树算法实现对男女性别的分类。通过引入信息熵和信息增益的概念,结合具体的数据集,详细介绍了决策树的构建过程,并展示了其在实际应用中的效果。 ... [详细]
  • 解决PyCharm中安装PyTorch深度学习d2l包的问题
    本文详细介绍了如何在PyCharm中成功安装用于PyTorch深度学习的d2l包,包括环境配置、安装步骤及常见问题的解决方案。 ... [详细]
  • LambdaMART算法详解
    本文详细介绍了LambdaMART算法的背景、原理及其在信息检索中的应用。首先回顾了LambdaMART的发展历程,包括其前身RankNet和LambdaRank,然后深入探讨了LambdaMART如何结合梯度提升决策树(GBDT)和LambdaRank来优化排序问题。 ... [详细]
author-avatar
林原伟662532
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有