数据分析能力养成指南18：Python的新手教程

秦路 1年前

本文是《如何七周成为数据分析师》的第十八篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉Python，大可不必再看这篇文章，或只挑选部分。

Python是近年来最火爆的语言，已经作为数据分析和机器学习的首选语言之一。

Python虽然被诟病不够快，但足够灵活和易上手。Python教程主要围绕数据分析展开，所以技术原理这类内容会略过，可以认为这是一篇重应用的课程。

想学会一门语言不是一朝一夕的事情，若大家想成为技术型的数据分析师，或者未来往数据挖掘发展，建议你要比文章内容学得更深。所有的代码最好都手打一遍，这是最有效的学习方式。

数据分析环境

Python的编写环境，用Anaconda足矣。Anaconda是专业的数据科学计算环境，已经集成绝大部分包和工具，不需要多余的安装和调试。

Python版本建议3.0以上，现在最新版本是3.6，不要选择2.7的版本，否则你会被无尽的中文编码问题困扰。

Anaconda在官网continuum.io/downloads 下载，选择最新版本，约400MB。

完成安装后，Win版本会多出几个程序，Mac版本只有一个Navigator导航。数据分析最常用的程序叫Jupyter，以前被称为IPython Notebook，是一个交互式的笔记本，能快速创建程序，支持实时代码、可视化和Markdown语言。

点击Jupyter进入，它会自动创建一个本地环境localhost。

点击界面右上角的new，创建一个python文件。

开始你的Python

界面上部是工具栏，编辑撤回运行等，下面是快捷操作，大家以后会熟悉的。页面正中便是脚本执行的地方，我们输入自己第一行代码吧：

（我就不用hello world）灰色框是输入程序的地方，回车是换行，shift+回车执行灰色区域的代码，它的结果会直接在下面空白处出现。这就是Jupyter交互式的强大地方，将Python脚本分成片段式运行，尤其适合数据分析的摸索调整工作。

这里的print叫函数，和excel的函数同理，是程序执行的主体，负责将输入转化成输出（函数留在下一篇细讲）。这里将hello qinlu这段文字输出。新手可能会奇怪为什么要加引号，这种用引号括起来的文字在程序中叫字符串。

Python是一门计算机语言，它的逻辑和自然语言不一样，编程语言的目的是执行任务，所以它不能有歧义。为了规避各种歧义，人们创造了语法规则，只有正确的语法，才能被转换成CPU执行的机器码。

先了解Python语法中的数据类型。计算机最开始只被用于数值运算，后来被赋予了各种丰富的数据类型。

上面两个是小学生都会的四则运算，在计算机语言中可没有那么简单。它涉及了两个数值类型，整数int和浮点数float。整数和浮点数在计算机内部存储的方式是不同的，我们不用知道具体原理，明确一点，整数运算是永远精确的，浮点运算则可能有误差。

两种数据类型也可以互换，通过int函数和float函数。

有了数值，必然有文本，程序中叫字符串，用英文引号括起来表示。单引号和双引号没有区别，所以”qinlu”和’qinlu’是等价的，引号是边界，输出的时候不会包含它。当字符串内本身包含引号时，也不影响使用。

需要注意的是，不论单引号还是双引号，一旦混用很容易出现错误。因为程序并不知道它是字符串的边界还是符号。

解决方法有两种，一种是使用三引号，三引号代表整体引用，而且包含换行。第二种是引号前面加，它是转义字符，表示这个引号就是单纯的字符。

三引号也可以用来注释，通常是大段的文字解释，如果一句话，我们更习惯用#，#后面的内容均不会作为程序执行。

时间是特殊的数值类型，它将结合datetime模块讲解。

还有两个常见的数据类型，布尔值和空值。布尔值是逻辑判断值，只有True和False。

布尔值在IF语句和数据清洗中经常使用，利用其过滤。布尔值能和布尔值运算，不过这里是and、not、or作为运算符，Ttue and True = True，False and True = False，False and False = False，not True = False，True or False = False等。

空值是一个特殊的值，表示为None，None不等于0，0具有数学意义而None没有，None更多表示该值缺失。

整数，浮点数，字符串，布尔值，空值就是Python常见的数据类型。Python3对中文的支持比较友好，所以大家可以用中文作为字符串试一下print。

数据类型构成了变量的基础，变量可以是任意的数据类型。想要用变量，必须先赋予变量一个值，这个过程叫赋值。

我首先给a赋予了一个整数值1，然后改变它为字符串abc，变量在Python中没有固定的数值类型，这是Python最大的优点，所以它在数据分析中很灵活。这也是它被称为动态语言的原因，相对应的叫静态语言。

Python是大小写敏感的语言，所以a和A是有区别的，这点请牢记。另外变量名尽可能使用英文，不要拼音，英文的可读性是优于拼音的。

变量有两种拼写风格，一种叫驼峰，一种叫下划线，以用户ID为例。驼峰命名法为userId，以一串英文词语user和id组成变量，第一个词语的首字母小写，第二个词语开始的首字母均大写。下划线命名法为user_id，全部小写，用_分割单词。

一个变量的值可以被赋予另外一个变量，如果b变量之前有另外一个值，那么会被1覆盖。呈从上而下的执行关系。

初看a = a + 1好像有逻辑问题，其实这涉及到了程序执行的先后顺序，程序是先计算a+1的值得到2，然后将其赋予(覆盖)了a。等号右边的计算先于左边，这是从右到左的逻辑关系。

有变量，自然有常量，常量是固定不变的量，可是在Python中没有真正意义的常量，一切皆可变，它更多是习惯上的叫法，即一旦赋值，就不再改变了。

Python的基础数学运算符号有+,-,*,/,//,%。前面四个就是加减乘除，其中除法的结果一定是浮点数。后面两个符号是除法的特殊形式，//代表除法中取整数，%代表除法中取余数。

到这里，新手部分已经讲解完成。因为考虑到大家的基础不一致，故早期内容并不难，后续学习难度才会逐渐递增。下一章讲解数据结构。

数据分析环境

开始你的Python

相关阅读