vscode寫Python數據處理分析代碼,由安裝配置到cell交互模式

2021-01-06 Python數據世界

此系列文章可在以下公眾號目錄找到 : 數據大宇宙 > Python入門必備 > 必備知識

最近有許多小夥伴問我要入門 Python 的資料,還有小夥伴完全沒有入門 Python 就直接購買了我的 pandas 專欄。因此我決定寫幾篇 Python 數據處理分析必備的入門知識系列文章,以幫助有需要的小夥伴們更好入門。

系列相關文章:

Python玩數據入門必備系列:環境安裝前言

上一節我們已經安裝了 Python ,但是我們不希望直接在黑烏烏的命令窗口或白茫茫的記事本中寫代碼,本文主要介紹 vs code 的安裝、配置以及 cell 交互模式

安裝 vs code

首先,一樣使用以下搜尋引擎:

搜索關鍵字 "vscode"點擊第一個搜索結果的 Download

點擊上圖紅框處,下載安裝程序下載完成後,運行安裝程序:

不用考慮,全勾選稍等片刻,安裝即可完成。在桌面上或應用列表找到 vs code,啟動他。

先看看界面:

重點是左邊紅框處5個小圖標,他們表示各個基礎功能,不過現在我們不需要深入了解他們此時的vscode只是一個漂亮的記事本而已,我們需要讓vscode安裝一些輔助插件:

點擊左邊最後一個小圖標,這是安裝插件的地方在輸入框輸入"python"第一個出來的結果,點擊安裝,相信在幾秒內就安裝完成這插件是出自微軟,信心有保證

此時你可能會注意到,vscode是用現在流行的小窗頁進行多窗口管理,我們可以隨時點小窗口右邊的叉叉,把窗口關閉:

管理 Python 文件

不管 vs code 還是其他的 IDE ,基本都是用文件夾做項目管理,也就是說,我們要寫 Python 代碼,先建一個文件夾吧。

我在F盤創建一個文件夾py_test,下面用vscode打開這個目錄:

點擊左邊第一個小圖標,這是管理文件的地方點擊旁邊小窗口的"打開文件夾"按鈕

選擇我們的項目文件夾其實你可以直接在文件資源管理器(就是你平時玩耍文件的地方)中,直接用滑鼠把該文件夾拖放到 vs code 界面中,即可快速打開此目錄。 此外,還可以在文件資源管理器中的文件夾點滑鼠右鍵,應該有一欄菜單是"用 vscode 打開"之類的

文件夾打開後,界面成這樣子:

注意此時左邊的小窗口,裡面有3個摺疊處第2個顯示當前打開的文件夾名字,點開他

我們可以在這裡創建文件和文件夾,其實效果與你直接在電腦的資源管理器創建是一樣的點擊左邊第一個小圖標,創建文件,文件名輸入"test.py",注意要輸入後綴名字".py"創建文件成功後,默認就打開了這個文件的小窗口。

vs code 知道你當前打開了一個 Python 文件,他估計你是要輸入 Python 代碼,他會識別你電腦的上那些 python.exe (不知道我說啥,請回看本系列上一節文章)在左下角,你會看到他默認選擇了其中一個 python 環境滑鼠點一下左下角,還可以選擇其他的Python環境,說白了,就是用不同的python.exe來執行你的代碼:

可以看到,我有7個 Python 環境如果你一個可選環境都沒有,那麼你很可能沒有安裝 Python,或者沒有定義好環境變量

執行 Python

先打上一句代碼執行一下再說吧:

輸入"pri",只能提示列表出現的第一個選擇 print ,按 tab 鍵選擇

繼續完整輸入代碼:print('done')代碼先不管,下一篇文章再細說代碼內容

但是,怎麼執行呢?看過上一篇文章的小夥伴應該第一時間想到的是用那個啥 python.exe 吧。

我們當然可以用 vs code 執行代碼,而不需要像上一篇文章那樣,去命令窗口寫命令。

但是,你要知道的是,不管啥樣的工具,他們背後都是調用 python.exe 執行。

這裡介紹2種執行 Python 代碼的方式。我強烈推薦學習 pandas 處理分析數據的小夥伴要學習第二個方式,第一種方式你可以大概了解就行。

正規執行

第一種,讓vscode調用python.exe執行:

點擊左邊小蟲子圖標,打開調試小窗口注意看到此時 vs code 沒有找到任何配置。不管他,我們點擊上方帶紅點的小齒輪右邊出現列表,點選第一個"Python File"然後,突然出現一個json文件,不管他,直接點擊小窗頁右邊的小叉叉,把他關閉

這個其實就是配置文件,這個配置文件會放置在當前項目文件夾中

注意,此時你應該看到當前激活的小窗口是那個

test.py

的Python文件:

點擊那個綠色小圖標,即可運行

如無意外,即可在下方看到輸出信息,結果也在其中

cell 模式

但是我們玩數據的,一般很少在 vs code 中使用第一種啟動方式,因為每次啟動 Python 是很慢的,我們用 pandas 處理數據時,通常都希望嘗試不同的代碼立刻看輸出,因此我更推薦以下的 cell 交互模式。

在文件第一行輸入 :#%%此時上方會出現3個水印英文按鈕在這個 #%% 下方的代碼,就是一個"代碼單元格"點擊第一個按鈕"Run Cell",運行此單元格的代碼如果你沒有安裝jupyter,vscode會自動下載安裝:

第一次使用時,需要一點時間啟動服務,大概10 秒左右右邊也會出現交互結果輸出頁注意左邊代碼區,由於你剛剛是在最後一個 cell 中執行,vs code 會幫你自動輸入一個新的 #%% ,以劃分出一個新的 cell服務啟動後,即可看到輸出結果:

可能有人會問:這玩意有啥用?

此時,我們執行過的代碼所產生的變量,會被一直保留,其實這就是一個交互環境。

比如說,我在第二個cell編寫並執行以下代碼:

這產生了一個變量 x這個變量x會一直保持,因此我在下一個cell可以執行這樣子的代碼:

顯示上一個 cell 執行所產生的變量每個單元格的執行都非常快速,因為 python 不需要重複啟動這裡只做一個簡單的介紹,因為這裡涉及一點代碼知識,下一篇文章才正式講解代碼

總結

本來打算把 jupyter notebook 也介紹,但發現篇幅太長,下次再介紹吧。

本系列就是寫給那些玩數據處理分析的小夥伴,因此,記得實踐時,使用本文介紹的第二種執行方式。

下一節,開始入門 Python 的基本語法,敬請關注。

相關焦點

  • vscode配置Python開發環境
    開發環境主要內容有:安裝python解釋器驗證 Python環境vscode安裝python插件vscode選擇python解釋器運行 Python 文件代碼格式化代碼調試配置python虛擬環境vscode中使用
  • 使用vscode配置python開發環境
    >5.紅色方框內的內容全部選中,點擊下一步6.點擊安裝將會自動安裝此時表示,已經完成python環境配置。驗證配置是否成功?(1)文件--新建--保存 保存文件時,文件的保存類型選擇python(2)輸入python代碼
  • Python の在 VSCode 中使用 IPython Kernel 的方法
    為什麼要這麼做:首先,這種配置方式,比較輕量快速;主要用於,增加寫代碼時的「互動性」,可以邊寫代碼,邊測試;例如,在寫代碼時候,快速測試下,一行或幾行代碼,看看效果; 所以,非常適合新手,邊寫邊學習,或者,需要寫個幾十行代碼,迅速解決問題,的情況
  • PYTHON學習環境安裝
    從我的使用經驗出發,可以說VSCode用來寫Python真的是再合適不過了,你將體驗到絲滑的編程體驗和無限擴展的可能。而且,如果你的項目是包含多種語言的,比如Web開發,你不必再開多個編輯器和其他工具,因為這一切都可以在VSCode裡完成了。
  • python安裝與環境變量配置
    答:自學簡單,當第一次接觸這門語言的時候,哇,語法好簡單,簡簡單單的一句代碼就可以實現輸出,比如想輸出hello world!,直接在python shell中輸入print('hello world!')2.問:怎樣安裝python呢?
  • 手把手教你如何在VSCode裡調試python
    本文僅介紹Python特有的注意事項,主要是特定於Python的調試配置,包括特定應用程式類型和遠程調試的必要步驟。初始化配置配置在調試會話期間驅動VS Code的行為。 配置在launch.json文件中定義,該文件存儲在工作區的.vscode文件夾中。注意為了更改調試配置,您的代碼必須存儲在一個文件夾中。
  • 在瀏覽器中運行 VS Code,隨時隨地寫代碼
    折騰了一段時間,各種 APP 都找得差不多了(有機會給大家分享一下),唯一的缺陷就是不能寫代碼。一次偶然的機會,讓我看到了一個 GitHub 項目:code-server,一個在瀏覽器中使用 vscode 編輯器的項目。
  • 使用Visual Studio 和 python 設置自己的數據科學工作區
    使用 Anaconda 設置 python 環境Anaconda 主要用於應用數據科學、機器學習、數據處理、分析等。它允許你管理你自己的環境和將在項目中使用的包。為了構建我們的工作區,我們需要安裝和配置 Anaconda。
  • Python乾貨:「如何寫好第一個程序」命令行模式和交互模式
    在正式編寫第一個Python程序前,我們了解一下什麼是命令行模式和Python交互模式。python,就看到類似如下的一堆文本輸出,然後就進入到Python交互模式,它的提示符是「粘貼」把代碼從頁面粘貼到你自己的電腦上。
  • python格式化代碼只懂autopep8?這裡有更好的
    vscode 配置 black1.安裝 python 擴展緊接著在 vscode 中安裝 python 的擴展方式1:在 vscode 中按下 "ctrl + p", 輸入以下代碼並回車ext install ms-python.python
  • vs code配合Anaconda寫Python?掌握這些技巧讓數據分析事半功倍
    Anaconda是一個著名的開源Python發行版本,內含多個Python的科學計算庫,相信使用Python做數據分析或數據挖掘的小夥伴對他不會陌生。Anaconda中使用圖界面管理python環境以及包管理如上圖,打開Anaconda Navigator主界面左邊選擇"Environments",即可看到你本機安裝的所有Python版本環境,這裡可以看到我本機又5個Python環境例如我現在希望在py37環境中安裝pandas庫,只要選中該環境,右上方選擇"Not installed",搜索中輸入pandas,下方勾選後
  • Python3.7 OpenCV 圖像處理=環境安裝及配置
    Python3.7 OpenCV 圖像處理WIN10系統\Anaconda繼承環境\python3.7腳本版本\VSCODE軟體、pycharm>使用環境:window10 、Anaconda 3創建虛擬環境:opencv_py3.7 選擇使用的python版本3.7opencv_py2.7 選擇使用的python版本2.7
  • 分享一款代碼編輯器——vscode安裝部署及配置教程
    概述Visual Studio Code (簡稱 VS Code / VSC) 是一款免費開源的現代化輕量級代碼編輯器,支持幾乎所有主流的開發語言的語法高亮、智能代碼補全、自定義熱鍵、括號匹配、代碼片段、代碼對比 Diff、GIT 等特性,支持插件擴展,並針對網頁開發和雲端應用開發做了優化。
  • 用python分析上海二手房數據,用幾十行代碼爬取大規模數據!
    一、環境搭建1、安裝python-3.5.2-amd64和pycharm-community-2016.3.2參考http://jingyan.baidu.com/article/a17d5285ed78e88098c8f222.html?
  • ipython交互模式環境安裝
    前言在python開發中,有兩種模式,一種是命令模式,另一種是交互式模式,都可以去實現我們的功能。這兩種模式在應用上有著不同的使用場景,本文主要講解交互式模式的安裝。概念交互式模式,也就是說我們可以實現與python編譯器的「面對面」交互,即當我立即輸入完命令之後,就可以立馬呈現結果。特點 方便,快速。在調試程序中經常使用到。
  • Python數據分析:pandas讀取和寫入數據
    我的公眾號是關於自己在數據分析/挖掘學習過程中的一些技術和總結分享,文章會持續更新......繼續深入學習pandas相關操作,數據讀取寫入、分組、合併,轉換等等。前面一篇文章裡已經寫了關於描述性統計以及常用的基本操作。接下來的一段時間裡,我將陸續地去掌握並輸出。這篇文章是關於數據讀取與寫入的知識點。
  • python開發環境搭建及工具配置
    要開始學習Python編程,首先就得把Python安裝到你的電腦裡。安裝後,你會得到Python解釋器(負責運行Python程序的),一個命令行交互環境,還有一個簡單的集成開發環境。集成開發環境主要有兩種方式: Python 和 Anaconda。
  • 收藏|10個可以快速用Python進行數據分析的小技巧
    所以,這裡有一些小提示和小技巧,有些可能是新的,但我相信在下一個數據分析項目中會讓你非常方便。Pandas中數據框數據的Profiling過程Profiling(分析器)是一個幫助我們理解數據的過程,而Pandas Profiling是一個Python包,它可以簡單快速地對Pandas 的數據框數據進行探索性數據分析。
  • python將腳本與交互模式結合
    將腳本與交互模式結合也可以將腳本文件與交互模式結合起來,以將預先編寫的腳本合併到交互程序中。入門為了使用腳本文件,您必須為計算機準備使用它們,或者必須採用 稍後描述的 替代方法 之一 。準備將計算機與Python配合使用不會花費很多精力,但這很關鍵。以下所有說明均基於Windows作業系統。
  • Python數據分析,文本數據如何讀取?
    在家無聊,不如跟我一起學Python,從數據獲取、數據清洗,到數據探索、數據可視化,我會的都會分享,不會的我會繼續學習,學無止境,今天分享的是文本數據的導入,一起學習吧!一、CSV文件讀取打開原始的數據如下所示,通過寫代碼讀取數據,當我們處理的數據量很大時,通過寫代碼的方式,簡潔並且高效。