重玩python,安装pandas pandas pycharm pip一堆工具

重玩python,安装pandas  pandas pycharm pip一堆工具

重玩python,安装pandas  pandas pycharm pip一堆工具

1, 安装Python,python.exe文件在 Python 目录下, 添加环境变量  2, 安装pip。 python setup.py install


3,G:\Python2017\numpypandas>pip install pandas-0.19.1-cp27-cp27m-win_amd64.whl

4,G:\Python2017\numpypandas> pip install pandas-1.12.0-cp27-none-win_amd64.whl

5,安装excel包 pip install xlrd

Microsoft Windows [版本 6.1.7601]
版权所有 (c) 2009 Microsoft Corporation。保留所有权利。


C:\Windows\System32>pip list
DEPRECATION: The default format will switch to columns in the future. You can us
e --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.con
f under the [list] section) to disable this warning.
pip (9.0.1)
setuptools (16.0)


C:\Windows\System32>cd G:\Python2017\numpypandas


C:\Windows\System32>g:


G:\Python2017\numpypandas>dir
 驱动器 G 中的卷是 新加卷
 卷的序列号是 5EE9-2928


 G:\Python2017\numpypandas 的目录


2017/03/01  13:55    <DIR>          .
2017/03/01  13:55    <DIR>          ..
2017/02/28  17:48         7,504,256 numpy-1.12.0-cp27-none-win_amd64.whl
2017/02/28  17:38               455 numpy-1.12.0-cp34-none-win_amd64.whl.asc
2017/02/28  18:02         7,125,673 pandas-0.19.1-cp27-cp27m-win_amd64.whl
               3 个文件     14,630,384 字节
               2 个目录 43,168,239,616 可用字节


G:\Python2017\numpypandas> pip install numpy-1.12.0-cp27-none-win_amd64.whl
Processing G:\Python2017\numpypandas\numpy-1.12.0-cp27-none-win_amd64.whl
Installing collected packages: numpy
Successfully installed numpy-1.12.0


G:\Python2017\numpypandas>dir
 驱动器 G 中的卷是 新加卷
 卷的序列号是 5EE9-2928


 G:\Python2017\numpypandas 的目录


2017/03/01  13:55    <DIR>          .
2017/03/01  13:55    <DIR>          ..
2017/02/28  17:48         7,504,256 numpy-1.12.0-cp27-none-win_amd64.whl
2017/02/28  17:38               455 numpy-1.12.0-cp34-none-win_amd64.whl.asc
2017/02/28  18:02         7,125,673 pandas-0.19.1-cp27-cp27m-win_amd64.whl
               3 个文件     14,630,384 字节
               2 个目录 43,128,025,088 可用字节


G:\Python2017\numpypandas>pip install pandas-0.19.1-cp27-cp27m-win_amd64.whl
Processing G:\Python2017\numpypandas\pandas-0.19.1-cp27-cp27m-win_amd64.whl




Microsoft Windows [版本 6.1.7601]
版权所有 (c) 2009 Microsoft Corporation。保留所有权利。


C:\Windows\System32>pip list
DEPRECATION: The default format will switch to columns in the future. You can us
e --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.con
f under the [list] section) to disable this warning.
pip (9.0.1)
setuptools (16.0)


C:\Windows\System32>cd G:\Python2017\numpypandas


C:\Windows\System32>g:


G:\Python2017\numpypandas>dir
 驱动器 G 中的卷是 新加卷
 卷的序列号是 5EE9-2928


 G:\Python2017\numpypandas 的目录


2017/03/01  13:55    <DIR>          .
2017/03/01  13:55    <DIR>          ..
2017/02/28  17:48         7,504,256 numpy-1.12.0-cp27-none-win_amd64.whl
2017/02/28  17:38               455 numpy-1.12.0-cp34-none-win_amd64.whl.asc
2017/02/28  18:02         7,125,673 pandas-0.19.1-cp27-cp27m-win_amd64.whl
               3 个文件     14,630,384 字节
               2 个目录 43,168,239,616 可用字节


G:\Python2017\numpypandas> pip install numpy-1.12.0-cp27-none-win_amd64.whl
Processing G:\Python2017\numpypandas\numpy-1.12.0-cp27-none-win_amd64.whl
Installing collected packages: numpy
Successfully installed numpy-1.12.0


G:\Python2017\numpypandas>dir
 驱动器 G 中的卷是 新加卷
 卷的序列号是 5EE9-2928


 G:\Python2017\numpypandas 的目录


2017/03/01  13:55    <DIR>          .
2017/03/01  13:55    <DIR>          ..
2017/02/28  17:48         7,504,256 numpy-1.12.0-cp27-none-win_amd64.whl
2017/02/28  17:38               455 numpy-1.12.0-cp34-none-win_amd64.whl.asc
2017/02/28  18:02         7,125,673 pandas-0.19.1-cp27-cp27m-win_amd64.whl
               3 个文件     14,630,384 字节
               2 个目录 43,128,025,088 可用字节


G:\Python2017\numpypandas>pip install pandas-0.19.1-cp27-cp27m-win_amd64.whl
Processing G:\Python2017\numpypandas\pandas-0.19.1-cp27-cp27m-win_amd64.whl
Requirement already satisfied: numpy>=1.7.0 in G:\Python2017\python\lib\site-
packages (from pandas==0.19.1)
Collecting python-dateutil (from pandas==0.19.1)
  Downloading python_dateutil-2.6.0-py2.py3-none-any.whl (194kB)
    42% |█████████████▌                  | 81kB 62kB/s eta 0:00:02
    47% |███████████████▏                | 92kB 69kB/s eta 0:00:
    52% |████████████████▉               | 102kB 73kB/s eta 0:0
    57% |██████████████████▌             | 112kB 78kB/s eta 0
    63% |████████████████████▎           | 122kB 67kB/s eta
    68% |██████████████████████          | 133kB 62kB/s et
    73% |███████████████████████▋        | 143kB 86kB/s
    79% |█████████████████████████▎      | 153kB 83kB/
    84% |███████████████████████████     | 163kB 80kB
    89% |████████████████████████████▋   | 174kB 90
    94% |██████████████████████████████▍ | 184kB
    100% |████████████████████████████████| 194k
B 78kB/s
Collecting pytz>=2011k (from pandas==0.19.1)
  Downloading pytz-2016.10-py2.py3-none-any.whl (483kB)
    36% |███████████▌                    | 174kB 180kB/s eta 0:00:02
    38% |████████████▏                   | 184kB 180kB/s eta 0:00:0
    40% |████████████▉                   | 194kB 177kB/s eta 0:00:0
    42% |█████████████▌                  | 204kB 181kB/s eta 0:00:
    44% |██████████████▎                 | 215kB 176kB/s eta 0:00
    46% |███████████████                 | 225kB 173kB/s eta 0:00
    48% |███████████████▋                | 235kB 172kB/s eta 0:0
    50% |████████████████▎               | 245kB 171kB/s eta 0:
    52% |█████████████████               | 256kB 173kB/s eta 0:
    55% |█████████████████▋              | 266kB 179kB/s eta 0
    57% |██████████████████▎             | 276kB 179kB/s eta
    59% |███████████████████             | 286kB 182kB/s eta
    61% |███████████████████▋            | 296kB 184kB/s eta
    63% |████████████████████▎           | 307kB 192kB/s et
    65% |█████████████████████           | 317kB 198kB/s et
    67% |█████████████████████▊          | 327kB 158kB/s e
    69% |██████████████████████▍         | 337kB 160kB/s
    72% |███████████████████████         | 348kB 158kB/s
    74% |███████████████████████▊        | 358kB 156kB/s
    76% |████████████████████████▍       | 368kB 156kB/
    78% |█████████████████████████       | 378kB 156kB/
    80% |█████████████████████████▊      | 389kB 154kB
    82% |██████████████████████████▍     | 399kB 152k
    84% |███████████████████████████     | 409kB 151k
    86% |███████████████████████████▉    | 419kB 148
    88% |████████████████████████████▌   | 430kB 18
    91% |█████████████████████████████▏  | 440kB 1
    93% |█████████████████████████████▉  | 450kB 1
    95% |██████████████████████████████▌ | 460kB
    97% |███████████████████████████████▏| 471kB
    99% |███████████████████████████████▉| 481kB
    100% |████████████████████████████████| 491k
B 146kB/s
Collecting six>=1.5 (from python-dateutil->pandas==0.19.1)
  Downloading six-1.10.0-py2.py3-none-any.whl
Installing collected packages: six, python-dateutil, pytz, pandas
Successfully installed pandas-0.19.1 python-dateutil-2.6.0 pytz-2016.10 six-1.10
.0


G:\Python2017\numpypandas>

www.zeeklog.com  - 重玩python,安装pandas  pandas pycharm pip一堆工具
www.zeeklog.com  - 重玩python,安装pandas  pandas pycharm pip一堆工具




G:\NocPython2017\numpypandas>pip install xlrd
Collecting xlrd
  Downloading xlrd-1.0.0.tar.gz (2.6MB)
    37% |████████████▏                   | 972kB 28kB/s eta 0:00:55
    38% |████████████▎                   | 983kB 31kB/s eta 0:00:50
    38% |████████████▍                   | 993kB 28kB/s eta 0:00:56
    39% |████████████▌                   | 1.0MB 33kB/s eta 0:00:48
    39% |████████████▋                   | 1.0MB 33kB/s eta 0:00:46
    39% |████████████▉                   | 1.0MB 36kB/s eta 0:00:43
    40% |█████████████                   | 1.0MB 38kB/s eta 0:00:40
    40% |█████████████                   | 1.0MB 37kB/s eta 0:00:41
    41% |█████████████▏                  | 1.1MB 40kB/s eta 0:00:3
    41% |█████████████▎                  | 1.1MB 28kB/s eta 0:00:5
    41% |█████████████▍                  | 1.1MB 28kB/s eta 0:00:5
    42% |█████████████▌                  | 1.1MB 30kB/s eta 0:00:5
    42% |█████████████▊                  | 1.1MB 29kB/s eta 0:00:5
    43% |█████████████▉                  | 1.1MB 29kB/s eta 0:00:4
    43% |██████████████                  | 1.1MB 28kB/s eta 0:00:5
    43% |██████████████                  | 1.1MB 28kB/s eta 0:00:5
    44% |██████████████▏                 | 1.1MB 27kB/s eta 0:00:
    44% |██████████████▎                 | 1.1MB 28kB/s eta 0:00:
    45% |██████████████▍                 | 1.2MB 27kB/s eta 0:00:
    45% |██████████████▋                 | 1.2MB 49kB/s eta 0:00:
    45% |██████████████▊                 | 1.2MB 43kB/s eta 0:00:
    46% |██████████████▉                 | 1.2MB 43kB/s eta 0:00:
    46% |███████████████                 | 1.2MB 54kB/s eta 0:00:
    47% |███████████████                 | 1.2MB 49kB/s eta 0:00:
    47% |███████████████▏                | 1.2MB 57kB/s eta 0:00
    47% |███████████████▍                | 1.2MB 57kB/s eta 0:00
    48% |███████████████▌                | 1.2MB 63kB/s eta 0:00
    48% |███████████████▋                | 1.2MB 67kB/s eta 0:00
    49% |███████████████▊                | 1.3MB 71kB/s eta 0:00
    49% |███████████████▉                | 1.3MB 63kB/s eta 0:00
    49% |████████████████                | 1.3MB 78kB/s eta 0:00
    50% |████████████████                | 1.3MB 72kB/s eta 0:00
    50% |████████████████▎               | 1.3MB 66kB/s eta 0:0
    51% |████████████████▍               | 1.3MB 68kB/s eta 0:0
    51% |████████████████▌               | 1.3MB 60kB/s eta 0:0
    51% |████████████████▋               | 1.3MB 60kB/s eta 0:0
    52% |████████████████▊               | 1.3MB 49kB/s eta 0:0
    52% |████████████████▉               | 1.4MB 36kB/s eta 0:0
    53% |█████████████████               | 1.4MB 38kB/s eta 0:0
    53% |█████████████████▏              | 1.4MB 34kB/s eta 0:
    53% |█████████████████▎              | 1.4MB 28kB/s eta 0:
    54% |█████████████████▍              | 1.4MB 30kB/s eta 0:
    54% |█████████████████▌              | 1.4MB 28kB/s eta 0:
    55% |█████████████████▋              | 1.4MB 29kB/s eta 0:
    55% |█████████████████▊              | 1.4MB 31kB/s eta 0:
    55% |██████████████████              | 1.4MB 29kB/s eta 0:
    56% |██████████████████              | 1.4MB 30kB/s eta 0:
    56% |██████████████████▏             | 1.5MB 35kB/s eta 0
    57% |██████████████████▎             | 1.5MB 31kB/s eta 0
    57% |██████████████████▍             | 1.5MB 32kB/s eta 0
    57% |██████████████████▌             | 1.5MB 41kB/s eta 0
    58% |██████████████████▋             | 1.5MB 39kB/s eta 0
    58% |██████████████████▉             | 1.5MB 38kB/s eta 0
    59% |███████████████████             | 1.5MB 34kB/s eta 0
    59% |███████████████████             | 1.5MB 37kB/s eta 0
    59% |███████████████████▏            | 1.5MB 37kB/s eta
    60% |███████████████████▎            | 1.5MB 33kB/s eta
    60% |███████████████████▍            | 1.6MB 36kB/s eta
    61% |███████████████████▋            | 1.6MB 36kB/s eta
    61% |███████████████████▊            | 1.6MB 39kB/s eta
    61% |███████████████████▉            | 1.6MB 39kB/s eta
    62% |████████████████████            | 1.6MB 38kB/s eta
    62% |████████████████████            | 1.6MB 47kB/s eta
    63% |████████████████████▏           | 1.6MB 50kB/s eta
    63% |████████████████████▎           | 1.6MB 46kB/s eta
    63% |████████████████████▌           | 1.6MB 49kB/s eta
    64% |████████████████████▋           | 1.6MB 62kB/s eta
    64% |████████████████████▊           | 1.7MB 58kB/s eta
    65% |████████████████████▉           | 1.7MB 65kB/s eta
    65% |█████████████████████           | 1.7MB 63kB/s eta
    65% |█████████████████████           | 1.7MB 62kB/s eta
    66% |█████████████████████▏          | 1.7MB 62kB/s et
    66% |█████████████████████▍          | 1.7MB 49kB/s et
    67% |█████████████████████▌          | 1.7MB 51kB/s et
    67% |█████████████████████▋          | 1.7MB 46kB/s et
    67% |█████████████████████▊          | 1.7MB 46kB/s et
    68% |█████████████████████▉          | 1.8MB 46kB/s et
    68% |██████████████████████          | 1.8MB 40kB/s et
    69% |██████████████████████▏         | 1.8MB 41kB/s e
    69% |██████████████████████▎         | 1.8MB 46kB/s e
    69% |██████████████████████▍         | 1.8MB 38kB/s e
    70% |██████████████████████▌         | 1.8MB 41kB/s e
    70% |██████████████████████▋         | 1.8MB 32kB/s e
    71% |██████████████████████▊         | 1.8MB 32kB/s e
    71% |██████████████████████▉         | 1.8MB 33kB/s e
    71% |███████████████████████         | 1.8MB 31kB/s e
    72% |███████████████████████▏        | 1.9MB 33kB/s
    72% |███████████████████████▎        | 1.9MB 38kB/s
    73% |███████████████████████▍        | 1.9MB 36kB/s
    73% |███████████████████████▌        | 1.9MB 35kB/s
    73% |███████████████████████▋        | 1.9MB 37kB/s
    74% |███████████████████████▊        | 1.9MB 35kB/s
    74% |████████████████████████        | 1.9MB 53kB/s
    75% |████████████████████████        | 1.9MB 51kB/s
    75% |████████████████████████▏       | 1.9MB 59kB/s
    75% |████████████████████████▎       | 1.9MB 64kB/s
    76% |████████████████████████▍       | 2.0MB 56kB/s
    76% |████████████████████████▌       | 2.0MB 58kB/s
    77% |████████████████████████▊       | 2.0MB 62kB/s
    77% |████████████████████████▉       | 2.0MB 64kB/s
    77% |█████████████████████████       | 2.0MB 80kB/s
    78% |█████████████████████████       | 2.0MB 74kB/s
    78% |█████████████████████████▏      | 2.0MB 77kB/
    79% |█████████████████████████▎      | 2.0MB 50kB/
    79% |█████████████████████████▍      | 2.0MB 51kB/
    79% |█████████████████████████▋      | 2.0MB 55kB/
    80% |█████████████████████████▊      | 2.1MB 51kB/
    80% |█████████████████████████▉      | 2.1MB 48kB/
    81% |██████████████████████████      | 2.1MB 49kB/
    81% |██████████████████████████      | 2.1MB 44kB/
    81% |██████████████████████████▏     | 2.1MB 45kB
    82% |██████████████████████████▎     | 2.1MB 46kB
    82% |██████████████████████████▌     | 2.1MB 38kB
    83% |██████████████████████████▋     | 2.1MB 55kB
    83% |██████████████████████████▊     | 2.1MB 33kB
    83% |██████████████████████████▉     | 2.2MB 27kB
    84% |███████████████████████████     | 2.2MB 30kB
    84% |███████████████████████████     | 2.2MB 24kB
    85% |███████████████████████████▎    | 2.2MB 24k
    85% |███████████████████████████▍    | 2.2MB 20k
    85% |███████████████████████████▌    | 2.2MB 19k
    86% |███████████████████████████▋    | 2.2MB 19k
    86% |███████████████████████████▊    | 2.2MB 20k
    87% |███████████████████████████▉    | 2.2MB 19k
    87% |████████████████████████████    | 2.2MB 24k
    87% |████████████████████████████▏   | 2.3MB 28
    88% |████████████████████████████▎   | 2.3MB 26
    88% |████████████████████████████▍   | 2.3MB 33
    89% |████████████████████████████▌   | 2.3MB 30
    89% |████████████████████████████▋   | 2.3MB 48
    89% |████████████████████████████▊   | 2.3MB 46
    90% |████████████████████████████▉   | 2.3MB 38
    90% |█████████████████████████████   | 2.3MB 43
    91% |█████████████████████████████▏  | 2.3MB 4
    91% |█████████████████████████████▎  | 2.3MB 4
    91% |█████████████████████████████▍  | 2.4MB 3
    92% |█████████████████████████████▌  | 2.4MB 3
    92% |█████████████████████████████▋  | 2.4MB 4
    93% |█████████████████████████████▉  | 2.4MB 3
    93% |██████████████████████████████  | 2.4MB 3
    93% |██████████████████████████████  | 2.4MB 4
    94% |██████████████████████████████▏ | 2.4MB
    94% |██████████████████████████████▎ | 2.4MB
    95% |██████████████████████████████▍ | 2.4MB
    95% |██████████████████████████████▌ | 2.4MB
    95% |██████████████████████████████▊ | 2.5MB
    96% |██████████████████████████████▉ | 2.5MB
    96% |███████████████████████████████ | 2.5MB
    97% |███████████████████████████████ | 2.5MB
    97% |███████████████████████████████▏| 2.5MB
    97% |███████████████████████████████▎| 2.5MB
    98% |███████████████████████████████▍| 2.5MB
    98% |███████████████████████████████▋| 2.5MB
    99% |███████████████████████████████▊| 2.5MB
    99% |███████████████████████████████▉| 2.5MB
    99% |████████████████████████████████| 2.6MB
    100% |████████████████████████████████| 2.6M
B 20kB/s
Installing collected packages: xlrd
  Running setup.py install for xlrd ... done
Successfully installed xlrd-1.0.0


G:\NocPython2017\numpypandas>





















































Read more

17.3 SQL与Python数据分析

17.3 SQL与Python数据分析

17.3 SQL与Python数据分析 * 17.3 SQL与Python数据分析 17.3.1 引言 Python已经成为数据分析领域的首选语言之一,这主要归功于其简洁的语法、强大的库以及活跃的社区支持。SQL作为数据库查询和操作的标准语言,在数据检索和管理方面发挥着关键作用。将Python与SQL结合使用,可以高效地处理和分析大规模数据集。 17.3.2 Python在数据分析中的角色 Python在数据分析中扮演多种角色: 1. 数据清洗: * 处理缺失值、异常值和重复值。 1. 数据探索: * 进行统计分析和数据探索。 1. 数据可视化: * 使用Matplotlib、Seaborn等库创建图表和图形。 1. 机器学习: * 使用Scikit-learn、TensorFlow等库构建机器学习模型。 17.3.3 SQL在数据分析中的应用 SQL用于: 1. 数据查询: * 从数据库中检索数据。 1. 数据操作: * 插入、更新和删除数据库中的数据。 1.

By Ne0inhk
18.2 SQL与Spark

18.2 SQL与Spark

18.2 SQL与Spark * 18.2 SQL与Spark 18.2.1 引言 Apache Spark是一个开源的分布式计算系统,它提供了一个快速且通用的集群计算平台。Spark 被设计用来加快大规模数据处理任务,并且支持包括 SQL、Hadoop文件系统(HDFS)、NoSQL 以及实时数据流处理等多种数据处理场景。 18.2.2 Spark在数据处理中的角色 Spark在数据处理中的角色包括: 1. 大规模数据处理: * Spark 能够有效地处理PB级别的数据。 1. 实时数据流处理: * Spark Streaming可以处理实时数据流。 1. 机器学习: * Spark MLlib 提供了机器学习算法库。 1. 图形处理: * Spark GraphX 用于处理大规模图形结构数据。 1. SQL查询: * Spark SQL允许使用SQL语句来查询结构化数据。 18.2.

By Ne0inhk
18.3 SQL与NoSQL大数据平台

18.3 SQL与NoSQL大数据平台

18.3 SQL与NoSQL大数据平台 * 18.3 SQL与NoSQL大数据平台 18.3.1 引言 随着大数据时代的到来,NoSQL数据库因其出色的扩展性和灵活性,已经成为处理大规模非结构化或半结构化数据的重要工具。与此同时,SQL作为一种成熟的查询语言,其在数据查询和操作方面的优势不言而喻。将SQL应用于NoSQL平台,可以帮助用户利用已有的SQL技能来处理大数据,提高数据操作的效率。 18.3.2 NoSQL大数据平台的特点 NoSQL数据库通常具有以下特点: 1. 高可扩展性: * 能够通过增加更多的节点来扩展系统。 1. 灵活性: * 能够存储各种格式的数据,如键值对、文档、列族和图形。 1. 高性能: * 优化了数据读写的速度。 1. 容错性: * 能够在节点故障的情况下继续运行。 1. 最终一致性: * 允许数据在一段时间后达到一致的状态。 18.3.3 SQL在NoSQL中的应用 虽然NoSQL数据库通常不使用SQL作为查询语言,但许多NoSQL平台提供了类似SQL的查询接口: 1.

By Ne0inhk
18.4 SQL与云数据库服务

18.4 SQL与云数据库服务

18.4 SQL与云数据库服务 * 18.4 SQL与云数据库服务 18.4.1 引言 云数据库服务提供了一种托管数据库解决方案,用户无需管理底层硬件或软件。这些服务通常提供高可用性、可扩展性和灾难恢复能力,并且可以轻松地与现有的应用程序集成。SQL作为数据查询和操作的标准语言,在云数据库服务中发挥着关键作用。 18.4.2 云数据库服务的特点 云数据库服务通常具有以下特点: 1. 无需维护: * 用户不需要维护数据库服务器的硬件或软件。 1. 可扩展性: * 用户可以根据需求轻松扩展数据库资源。 1. 高可用性: * 云数据库服务通常提供高可用性解决方案,确保服务的稳定性。 1. 灾难恢复: * 提供灾难恢复选项以保护数据免受意外丢失。 1. 安全性: * 提供多层次的安全措施,包括数据加密和身份验证。 1. 按需付费: * 用户可以根据实际使用的资源付费。 18.4.3 SQL在云数据库服务中的应用 SQL在云数据库服务中的应用包括: 1. 数据查询: * 使用SQL查询云数据库

By Ne0inhk