今日內容

• anaconda軟體使用
• jupyter notebook基本使用及快捷鍵
• numpy

anaconda軟體使用

1.進入anaconda主頁點選jupyter啟動即可
	呼起一個jupyter notebook前端視覺化介面
    地址就是cmd視窗預設的路徑
 
2.右側下拉框
	Text File
    	新建一個文字檔案，預設的檔名時untitled.txt雙擊可修改
   
	Folder
    	新建一個資料夾，預設的檔名時untitled Folder
        滑鼠勾選前面的按鈕 上方會出現rename選項點選修改
    
    Terminal
    	內嵌了一個本機的cmd視窗
        
    重點
    Python3
    	會自動建立一個jupyter notebook檔案
        預設的檔案是Untitled.ipynb
        # ipynb字尾名是jupyter notebook獨有的檔案
        以後如果你拿到了一個字尾是ipynb的檔案，你就應該使用jupyter notebook開啟它
        如何開啟ipynb檔案，點選右側的upload按鈕選擇即可
        
3.左側導航欄
 1.Edit裡面
	cut cells               剪下單元格
    copy cells              拷貝單元格
    paste cells above       在當前單元格的上面貼上
    paste cells below       在當前單元格的下面貼上
    paste cells & replace   貼上或者替換 
    delete cells            刪除單元格
    undo delete cells       撤銷刪除
    split cell              切割單元格
    merge cell above        跟上面單元格合併
    merge cell below        跟下面單元格合併
    move cell up            單元格上移
    move cell down          單元格下移
    
 2.View 控制展示
	toggle header        	控制展示檔案頭
    toggle loolbar       	控制展示快捷選單
    toggle line number   	控制展示程式碼行
    
 3.Insert 裡面
	insert cell above       在當前單元格的上方插入新的單元格
    insert cell below       在當前單元格的下方插入新的單元格
    
 4.cell 裡面
	run cells                     運行當前單元格
    run cells and select below    執行並且自動選擇下一個單元格
    run cells and insert below    執行並自動在下方插入一新的單元格
    run all                       執行所有的單元格
    run all above                 運行當前單元格上面所有的單元格
    run all below                 運行當前單元格下面所有的單元格
 5.kernel
         主要是核心操作   工作時不要亂點
 

常用快捷鍵

1.顏色變化
    綠色
        編輯模式(寫啥就是啥)
    藍色
        命令列模式(直接使用快捷鍵)
        
2.運行當前單元格並選中下一個單元格
    shift+enter
3.運行當前單元格
    ctrl+enter
4.在單元格的上方新增一個單元格
    1.你需要先按一下esc鍵進入命令列模式(顏色變為藍色)
    2.再按一下a鍵即可
5.在單元格的上方新增一個單元格
    1.你需要先按一下esc鍵進入命令列模式(顏色變為藍色)
    2.再按一下b鍵即可
6.刪除一個單元格
    1.你需要先按一下esc鍵進入命令列模式(顏色變為藍色)
    2.按兩下d鍵
7.程式碼與markdown切換
    1.你需要先按一下esc鍵進入命令列模式(顏色變為藍色)
    2.再按一下m鍵
8.更多快捷鍵操作，自己參考help提示(不需要可以的去記憶 用得多了就回了)
 

numpy模組

'''在起檔名的時候一定不要跟模組名衝突'''
numpy優勢
	1.是高效能科學運算和資料分析的基礎包
    2.也是其他資料分析模組的基礎
    3.提供了更加方便快捷的數學計算方法
    4.支援向量運算，使得資料處理更加的簡單
   
# 在使用numpy的時候需要些固定的匯入語句
import numpy as np  # 官方推薦的起別名
'''
以後在用notebook的時候 將所有匯入模組的語句全部放在第一行
'''

# numpy前戲
# 計算一下購物車裡面每種商品的總價格
shop_car = [2,4,5,7,9]  # 列表裡面放的是每個商品的個數
shop_price = [10,22,66,89,6969]  # 列表裡面放的是每個商品的單價
# shop_car * shop_price  # python中的列表不支援該操作(向量操作)
shop_car_np = np.array(shop_car)
shop_price_np = np.array(shop_price)
res = shop_car_np * shop_price_np
# 求所有商品的總價
res.sum()
 

ndarray陣列

1.如何產生ndarray
np.array([1,2,3,4,5])

# 一維陣列
res1 = np.array([1,2,3,4,5])
array([1,2,3,4,5])

# 二維陣列
res2 = np.array([[1,2,3,4],[5,6,7,8]])
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

# 三維陣列(使用較少)
res3 = np.array([[[1,2,3,4,5],[6,7,8,9,10],[11,22,33,44,55]]])
array([[[ 1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10],
        [11, 22, 33, 44, 55]]])

常用屬性

# 陣列的轉置(針對二維和三維)：將行變成列將列變成行
res4 = np.array([[1,2,3,4],[5,6,7,8]])
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])
res4.T  # 該方法並沒有改變res4只是產生了一個新的陣列
array([[1, 5],
       [2, 6],
       [3, 7],
       [4, 8]])

# 陣列元素型別
res4.dtype
dtype('int32')

# 陣列元素個數(就是簡單粗暴的統計裡面的元素個數不分行列)
res4.size
8

# 判斷陣列是幾維的
res1.ndim

# 判斷陣列的維度大小
res1.shape
(6,)
res2.shape
(2, 4)
res3.shape
(1, 3, 5)

資料型別

'''numpy中為了跟python中的資料型別關鍵字做區分 會用下劃線來做'''
python中					numpy中
int						int_
float					float_
bool					bool_

型別轉換

res4.dtype
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

res4.astype('float')
array([[1., 2., 3., 4.],
       [5., 6., 7., 8.]])