Winds系统下python的基本环境配置

python环境配置

• 0、Windows下python3.7、IPython、Jupyter基本环境安装配置程
• Windows系统在任意文件夹下打开cmd命令快捷方法
• 1、安装 xgboost (Windows环境)
• 2、brewer2mpl （Windows环境）
• 3、ggplot绘图包的安装（Windows环境）
• 4、mlxtend包的安装和配置
• 5、LightGBM安装
• 6、Random库
• python常用库

0、Windows下python3.7、IPython、Jupyter基本环境安装配置程

Windows下python3.7安装教程，详见参考链接 ：https://www.jb51.net/article/144750.htm

pip 是 Python 包管理工具，该工具提供了对Python 包的查找、下载、安装、卸载的功能。目前如果你在 python.org 下载最新版本的安装包，则是已经自带了该工具。Python 2.7.9 + 或 Python 3.4+ 以上版本都自带 pip 工具。详见参考链接：https://www.runoob.com/w3cnote/python-pip-install-usage.html

(1) Windows下IPython的下载安装：

安装过Python可以通过命令行

pip install ipython

来安装iPython。使用pip命令安装

(2) Windows下Jupyter Notebook的下载安装：

可以使用pip命令

pip3 install jupyter

安装

(3) Jupyter Notebook配置使用总结

Jupyter Notebook配置使用总结，详见链接：https://mp.csdn.net/mdeditor/89631582#

(4) sublime text 3下载与安装详细教程

sublime text 3下载与安装详细教程，详见：https://blog.csdn.net/weixin_40682842/article/details/78727266

Windows系统在任意文件夹下打开cmd命令快捷方法

在任意位置打开cmd命令的两种方法：

在该文件夹的空白处按下shift并点击鼠标右键，选择“在此处打开命令窗口”（如果是win10，选择“powershell”即可，但跟cmd窗口有点不一样（但功能一样），不习惯的朋友可以再输入“start cmd”即可打开原始的cmd窗口）。

在该文件夹上的路径框内输入cmd回车即可。

参考链接：Windows系统在任意文件夹下打开cmd命令快捷方法

1、安装 xgboost (Windows环境)

https://blog.csdn.net/cheney2000/article/details/79478654

2、brewer2mpl （Windows环境）

安装包下载连接：https://pypi.org/project/brewer2mpl/1.4/

安装命令：

pip install brewer2mpl==1.4

brewer2mpl的简介

一个专业的python配色工具包，提供了从美术角度来讲的精美配色

3、ggplot绘图包的安装（Windows环境）

直接使用安装命令：

pip install ggplot

ggplot绘图包的简介

1、ggplot是基于R的ggplot2和Python的绘图系统。它的构建是为了用最少的代码快速绘制专业又美观的图表。

2、ggplot与python中的pandas有着共生关系。如果打算使用ggplot，最好将数据保存在DataFrames中。即若想使用ggplot，先将数据转化为dataframe形式，

4、mlxtend包的安装和配置

直接使用安装命令：

pip install mlxtend

mlxtend数据关联分析包的简介

利用mlxtend进行数据关联分析

官方文档：http://rasbt.github.io/mlxtend/

参考链接：

利用mlxtend进行数据关联分析 https://blog.csdn.net/qq_36523839/article/details/83960195

mlxtend这个工具包，里面集成了stacking分类回归模型以及它们的交叉验证的版本。

https://www.jianshu.com/p/cc748e4f29c5

https://www.jianshu.com/p/cc748e4f29c5

5、LightGBM安装

LightGBM （Light Gradient Boosting Machine）(请点击 https://github.com/Microsoft/LightGBM)是一个实现 GBDT 算法的框架，支持高效率的并行训练，并且具有以下优点：

1、更快的训练速度

2、更低的内存消耗更好的准确率

3、分布式支持，可以快速处理海量数据

参考链接：https://blog.csdn.net/weixin_38569817/article/details/78808535

6、Random库

random库是使用随机数的Python标准库

因为是标准库，使用时候只需要import random

random库包含两类函数，常用的共8个

--基本随机函数： seed(), random()

    --扩展随机函数：randint(), getrandbits(), uniform(), randrange(), choice(), shuffle()
           

参考链接：https://blog.csdn.net/sandalphon4869/article/details/89680906

Python seed() 函数 https://blog.csdn.net/qinglu000/article/details/46119621

python常用库

from __future__ import division
           

导入python未来支持的语言特征division(精确除法)，当我们没有在程序中导入该特征时，"/“操作符执行的是截断除法(Truncating Division),当我们导入精确除法之后，”/"执行的是精确除法，如下所示：

import scipy.stats
           

统计函数Statistical functions(scipy.stats)，是python中一个很好的统计推断包。

1、Scipy的stats模块包含了多种概率分布的随机变量，随机变量分为连续的和离散的两种。

2、所有的连续随机变量都是rv_continuous的派生类的对象，而所有的离散随机变量都是 rv_discrete的派生类的对象。

3、numpy 也能生成一定概率分布的随机数，但如果需要更具体的概率密度，累积概率等，就用用到 scipy.stats。

用法参考链接：https://www.cnblogs.com/hirokuh/p/9335200.html

import statsmodels.api as sm
           

statsmodels是一个有很多统计模型的python库，能完成很多统计测试，数据探索以及可视化。它也包含一些经典的统计方法，比如贝叶斯方法和一个机器学习的模型。

估计线性模型

statsmodels中的线性模型大致分为两种：基于数组的（array-based），和基于公式的（formula-based）。调用的模块为：

import statsmodels.api as sm 
import statsmodels.formula.api as smf
           

使用参考链接：https://blog.csdn.net/wuzlun/article/details/80305111

import itertools  
           

itertools 是python的迭代器模块，itertools提供的工具相当高效且节省内存。

用法参考链接：https://www.cnblogs.com/haiyan123/p/9804091.html

import operator 
           

operator模块输出一系列对应Python内部操作符的函数。例如：operator.add(x, y)等价于表达式x+y。

用法参考链接：https://blog.csdn.net/zhtysw/article/details/80510113