Python大數據分析 課件 第1章 Python數據分析概述

Python數據分析概述數據分析概念1.1數據分析工具1.2Python數據分析環(huán)境1.3目錄CONTENTE第一章Python數據分析概述1.4小結本章要點1.熟悉數據分析的相關概念。2.了解數據分析的應用。3.了解Python在數據分析領域的優(yōu)勢。4.屬性Python數據分析常用的類庫。5.掌握Python數據分析的類庫安裝。6.掌握JupyterNotebook的基本使用。Python第一章Python數據分析概念引言

隨著科技的發(fā)展，各行各業(yè)產生的數據量呈現指數級增長，如何管理和使用這些數據，逐漸成為數據科學領域中一個重要課題。近年來Python語言發(fā)展迅猛，為數據分析提供了極其優(yōu)秀的工具，并快速成為數據科學領域的主要語言之一，越來越多的數據分析師在工作中采用Python技術。Python第一章Python數據分析概念數據分析概念1.1Python第一章Python數據分析概述1.１.１數據分析數據分析是指選用適當的分析方法對收集來的大量數據進行分析、提取有用信息和形成結論，對數據加以詳細的研究和概括總結的過程。廣義的數據分析包括狹義數據分析和數據挖掘兩部分。狹義數據分析是指根據分析目的，采用對比分析、分組分析、交叉分析和回歸分析等分析方法，對收集的數據進行處理與分析，提取有價值的信息，發(fā)揮數據的作用，得到一個特征統(tǒng)計量結果的過程。數據挖掘則是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，通過應用聚類模型、分類模型、回歸和關聯(lián)規(guī)則等技術，挖掘潛在價值的過程。數據分析的目的是把隱藏在一大批看來雜亂無章的數據中的信息集中、萃取和提煉出來，以找出所研究對象的內在規(guī)律，并加以利用，從而創(chuàng)建經濟和社會價值。Python第一章Python數據分析概念Python第一章Python數據分析概念數據分析已經逐漸演化為一種解決問題的過程，典型的數據分析流程如下所述。1.１.2

數據分析流程Python第一章Python數據分析概念1.需求分析需求分析的主要內容是根據數據分析需求方的要求和實際情況，結合現有的數據情況，提出數據分析需求的整體分析方向、分析內容，最終和需求方達成一致意見。1.１.2

數據分析流程Python第一章Python數據分析概念2.數據獲取數據獲取是根據與需求分析的結果提取、收集數據。數據獲取主要有兩種方式：網絡數據與本地數據。網絡數據是指存儲在互聯(lián)網中的各類視頻、圖片、語言和文字等信息；本地數據則是指存儲在本地數據庫中的數據。本地數據按照數據時間又可以劃分為兩部分：歷史數據和實時數據。歷史數據是指系統(tǒng)在運行過程中遺存下來的數據，其數據隨系統(tǒng)運行時間的增加而增長；實時數據是指最近一個單位周期內產生的數據。1.１.2

數據分析流程Python第一章Python數據分析概念3.數據預處理數據預處理是指對數據進行數據合并、數據清洗和數據變換，并直接用于分析建模的這一過程的總稱。其中，數據合并可以將多張相互關聯(lián)的表格合并成為一張；數據清洗可以處理重復值、缺失值和異常值；數據變換可以通過一定規(guī)則把原始數據進行為適合分析的形式，滿足后期分析與建模的數據要求。1.１.2

數據分析流程Python第一章Python數據分析概念4.分析與建模分析與建模是指通過對比分析、分組分析、交叉分析、回歸分析等分析方法，以及聚類模型、分類模型、關聯(lián)模型等模型與算法，發(fā)現數據中有價值信息，并得出結論的過程。分析與建模的方法按照目標不同可以劃分幾大類。如果分析目標是描述行為模式的，可采用描述性數據分析方法，同時還可以考慮關聯(lián)規(guī)則、序列規(guī)則和聚類模型等。如果分析目標是量化未來一段時間內某個時間發(fā)生概率的，則可以使用分類預測模型和回歸預測模型。1.１.2

數據分析流程Python第一章Python數據分析概念5.模型評價與優(yōu)化模型評價是指對于已經建立的模型，根據其模型的類別，使用不同指標評價其性能優(yōu)劣的過程。常用的聚類模型評價方法有ARI評價法（蘭特系數）、AMI評價（互信息）、V-measure評分等。常用的分類模型評價方法有準確率（Accuracy）、精確率（Precision）、召回率（Recall）等。常用的回歸模型評價指標有平均絕對誤差、均方誤差、中值絕對誤差等。模型優(yōu)化則是指模型在經過模型評價后已經達到了要求，但在實際生產環(huán)境應用中，發(fā)現模型并不理想，繼而對模型進行重構與優(yōu)化的過程。1.１.2

數據分析流程Python第一章Python數據分析概念6.部署部署是指將數據分析結果與結論應用至實際生產系統(tǒng)的過程。1.１.2

數據分析流程1.1.3數據分析應用Python第一章Python數據分析概念數據分析可以解決大量的實際問題，已經應用于各行各業(yè)，并取得了很好的效果。1.客戶與營銷分析客戶分析是根據客戶的基本數據進行的商業(yè)行為分析比如根據客戶的需求、所處行業(yè)的特征以及客戶的經濟情況等，使用統(tǒng)計分析方法和預測驗證法分析目標客戶，提高銷售效率；根據已有的客戶特征進行客戶特征分析、忠誠度分析和客戶收益分析等。營銷分析囊括了產品分析、價格分析、渠道分析、廣告與促銷分析。產品分析主要是競爭產品分析，通過對競爭產品分析制定自身產品策略。價格分析又可以分為成本分析和售價分析。成本分析的目的是降低不必要的成本；售價分析的目的是制定符合市場的價格。渠道分析是指對產品的銷售渠道進行分析，確定最優(yōu)的渠道配比。廣告與促銷分析則能夠結合客戶分析，實現銷量的提升、利潤的增加。1.1.3數據分析應用Python第一章Python數據分析概念2.業(yè)務流程優(yōu)化數據分析可以幫助企業(yè)優(yōu)化業(yè)務流程，比如可以通過業(yè)務系統(tǒng)和GPS定位系統(tǒng)獲得數據，使用數據構建交通狀況預測分析模型，有效預測實時路況、物流狀況、車流量、客流量和貨物吞吐量，進而提前補貨，制定庫存管理策略和路線優(yōu)化；人力資源業(yè)務可以通過數據分析來優(yōu)化人才招聘；交通部門可以在數據分析的基礎上建立智能化交管方案降低高峰時段的路線擁堵情況。1.1.3數據分析應用Python第一章Python數據分析概念3.完善執(zhí)法利用傳感器、閉路電視安裝并接入中央云數據庫、車牌識別、語音識別、犯罪嫌疑人及罪犯GPS追蹤等數據分析，實現智能警務；監(jiān)控并識別異常活動、行為或事故，加快決策制定速度并防止及減少犯罪事件；通過分類模型分析方法對非法集資和洗錢的邏輯路徑進行分析，找到其行為特征，聚類模型分析方法可以分析相似價格的運動模式，可能發(fā)現關聯(lián)交易及內幕交易的可疑信息，關聯(lián)規(guī)則分析方法可以監(jiān)控多個用戶的關聯(lián)交易行為，為發(fā)現跨賬號協(xié)同的金融欺騙行為提供依據。1.1.3數據分析應用Python第一章Python數據分析概念4.網絡安全新型的病毒防御系統(tǒng)可使用數據分析技術，建立潛在攻擊識別分析模型，檢測大量網絡活動數據和相應的訪問行為，識別可能進行入侵的可疑模式，做到未雨綢繆。1.1.3數據分析應用Python第一章Python數據分析概念5.優(yōu)化機器和設備性能通過物聯(lián)網技術收集和分析設備上的數據流，包括連續(xù)用電、零部件溫度、環(huán)境濕度和污染物顆粒等多種潛在特征，建立設備管理模型，從而預測設備故障，合理安排預防性的維護，以確保設備正常作業(yè)，降低因設備故障帶來的安全風險。1.1.3數據分析應用Python第一章Python數據分析概念6.改善日常生活利用穿戴的裝備生成最新的數據，根據熱量的消耗以及睡眠模式來進行追蹤；交友網站利用數據分析工具來幫助需要的人匹配合適的對象；基于城市實時交通信息、利用社交網絡和天氣數據來優(yōu)化最新的交通情況。1.1.3數據分析應用Python第一章Python數據分析概念7.醫(yī)療衛(wèi)生與生命科學利用遠程醫(yī)療監(jiān)控能夠簡化醫(yī)護人員訪問并分析病患醫(yī)療記錄的流程，從而確保病人得到有效診療并降低不必要的成本；臨床數據流分析能夠順利識別出異?；蛘哳A料之外的行為或者表現，從而輔助做出更準確的診斷意見；實時傳感器數據分析有助于檢測傳染病的暴發(fā)可能性，并通過早期預警系統(tǒng)提示預防及準備；數據分析應用能夠在幾分鐘內解碼整個DNA，從而制定出更科學的治療方案，甚至對疾病進行預測，達到疾病預防的目的。數據分析工具1.2Python第一章Python數據分析概述Python第一章Python數據分析概念隨著云計算、大數據以及人工智能技術的快速發(fā)展，Python及其開發(fā)生態(tài)環(huán)境正在受到越來越多的關注。Python已經成為了計算機世界最重要的語言之一，更是數據分析的首選語言1.2.1常用工具Python第一章Python數據分析概念主流數據分析語言有Python、R、MATLAB。Python具有豐富和強大的類庫能夠把其他語言模塊很輕松的連接在一起，是一門易學易用的程序設計語言。R語言主要用于統(tǒng)計分析、繪圖等，它屬于GNU系統(tǒng)的一個自由、免費、源代碼開放的軟件。MATLAB的作用是進行矩陣運算、回執(zhí)函數與數據、實現算法、創(chuàng)建用戶界面和連接其他編程語言的程序等，主要應用于工程計算、控制設計、信號處理與通信、圖像處理、信號檢測、金融建模設計與分析等領域。1.2.1常用工具Python第一章Python數據分析概念Python、R和MATLAB數據分析工具對比如表1-1所示。表1-1Python、R和MATLAB對比

PythonRMATLAB難易程度接口統(tǒng)一，學習曲線平緩接口眾多，學習曲線陡峭自由度大，學習曲線較為平緩使用場景數據分析、機器學習、矩陣運算、科學可視化、數字圖像處理、Web應用、網絡爬蟲、系統(tǒng)運維等統(tǒng)計分析、機器學習、科學數據可視化矩陣預算、數值分析、科學數據可視化、機器學習、符號計算、數字圖像處理、數字信號處理、仿真模擬等第三方支持擁有大量的第三方庫，能夠簡便的調用C、C++、Java等其他語言擁有大量的包，能夠調用C、C++、Java等其他語言擁有大量專業(yè)的工具箱，在新版本中加入了對C、C++、Java的支持流行領域工業(yè)界>學術界工業(yè)界≈學術界工業(yè)界≤學術界軟件成本開源免費開源免費商業(yè)收費1.2.2Python數據分析Python第一章Python數據分析概念Python是一門應用十分廣泛的計算機編程語言，在數據科學領域具有無可比擬的優(yōu)勢，逐漸成為數據科學領域的主流語言，Python數據分析具有5個方面優(yōu)勢。1.語法簡單精煉。比起其他編程語言，Python更容易學習和使用。2.功能強大的庫。大量優(yōu)秀好用的第三方庫，擴充了Python功能，提升了Python的能力，使Python如虎添翼。3.功能強大。Python是一個混合體，豐富的工具使它介于傳統(tǒng)的腳本語言和系統(tǒng)語言之間。Python不僅具備簡單易用的特點，還提供了編譯語言所具有的軟件工程能力。4.不僅適用于研究和原型構建，同時也適用于構建生產系統(tǒng)。研究人員和工程技術人員使用同一種編程工具，會給企業(yè)帶來顯著的組織效益，并降低企業(yè)的運營成本。1.2.2Python數據分析Python第一章Python數據分析概念5.Python是一門膠水語言。Python程序能夠以多種方式輕易地與其他語言的組件“粘接”在一起，例如Python的C語言API可以幫助Python程序靈活地調用C程序。因此可以根據需要給Python程序添加功能，或者其他環(huán)境系統(tǒng)中使用Python。1.2.2Python數據分析Python第一章Python數據分析概念1.NumPyNumPy是NumericalPython的簡稱，是Python語言的一個科學計算的擴展程序庫，支持大量的多維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。NumPy主要提供以下內容。（1）快速高效的多維數組對象ndarray。（2）廣播功能函數，廣播是一種對數組執(zhí)行數學運算的函數，其執(zhí)行的是元素級計算。廣播提供了算術運算期間處理不同形狀的數組的能力。（3）讀/寫硬盤上基于數組的數組集的工具。（4）線性代數運算、傅里葉變換及隨機數生成的功能。（5）將C、C++、Fortran代碼集成到Python的工具。1.2.2Python數據分析Python第一章Python數據分析概念除了為Python提供快速的數組處理能力外，NumPy在數據分析方面還有另外一個主要的作用，即作為算法之間傳遞數據的容器。對于數值型數據，使用NumPy數組存儲和處理數據要比使用內置的Python數據結構高效的多。此外，有低級語言（比如C語言）編寫的庫可以直接操作NumPy數組中數據，無須進行任何數據復制工作。1.2.2Python數據分析Python第一章Python數據分析概念2.PandasPandas是Python的數據分析核心庫，最初被作為金融數據分析工具而開發(fā)出來。Pandas為時間序列分析提供了很好的支持。Pandas納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具，提供一系列能夠快速、便捷地處理結構化數據的結構和函數。Python之所以成為強大而高效的數據分析環(huán)境與它息息相關。Pandas兼具NumPy高性能的數組計算功能以及電子表格和關系型數據庫（如SQL）的靈活數據處理功能，它提供了復雜精細的索引功能，以便便捷地完成重塑、切片和切換、聚合及選取數據子集等操作。1.2.2Python數據分析Python第一章Python數據分析概念3.MatplotlibMatplotlib是最流行的用于繪制數據圖形的Python庫，它以各種硬拷貝格式和跨平臺的交互式環(huán)境生成出高質量的圖形。Matplotlib最初由JohnD.Hunter創(chuàng)建，目前由一個龐大的開發(fā)團隊維護。Matplotlib的操作比較容易，只需要幾行代碼即可生成線形圖、散點圖、直方圖、條形圖和箱圖等，甚至可以繪制三維圖形。1.2.2Python數據分析Python第一章Python數據分析概念4.SklearnSklearn（Scikit-Learn）是一個簡單高效的數據挖掘和數據分析工具，可以提供用戶在各種環(huán)境下重復使用。而且Scikit-learn建立在NumPy、SciPy和Matplotlib基礎之上，對一些常用的算法進行了封裝。目前，Sklearn的基本模塊主要有數據預處理、模型選擇、分類、聚類、數據降維和回歸6個。在數據量不大的情況下，Sklearn可以解決大部分問題。對算法不精通的用戶在執(zhí)行建模任務時，并不需要自行編寫所有算法，只需要簡單地調用Sklearn庫里的模塊就可以。Python數據分析環(huán)境1.3Python第一章Python數據分析概述Python第一章Python數據分析概念Python數據分析環(huán)境的搭建包括Python安裝以及多個第三方庫的安裝。先安裝Python，再分別安裝需要的第三方庫。讀者如果想省事，也可以采用安裝Anaconda的方式簡化安裝。Anaconda包含了本書使用的所有第三方庫，有興趣的讀者也可以自行安裝Anaconda。因為本書使用的開發(fā)環(huán)境并不復雜，因此沒有使用Anaconda。注意：安裝過程需要網絡，因為需要先下載再安裝。1.3Python數據分析環(huán)境Python第一章Python數據分析概念1.安裝Python本書讀者應該具備Python基礎，因此不在累述Python的安裝。注意：在安裝Python時，一定要同時安裝Pip，否則下邊的安裝都無法進行。1.3Python數據分析環(huán)境Python第一章Python數據分析概念（1）安裝第三方數據分析庫第三方庫的安裝使用pip3命令，如右所示pip3installnumpypip3installscipypip3installmatplotlibpip3installsklearnpip3installxlrdpip3installopenpyxlpip3installseaborn1.3Python數據分析環(huán)境2.安裝數據分析庫Python第一章Python數據分析概念（2）檢查安裝安裝后，可以在Python環(huán)境中使用導入檢查是否安裝成功。importnumpyasnpimportmatplotlibaspltimportpandasaspdimportsklearn.datasetsimportds如果需要的類庫沒有安裝，則會提示模塊不存在，如果沒有錯誤提示，則說明安裝成功1.3Python數據分析環(huán)境2.安裝數據分析庫Python第一章Python數據分析概念（2）檢查安裝安裝后，可以在Python環(huán)境中使用導入檢查是否安裝成功。importnumpyasnpimportmatplotlibaspltimportpandasaspdimportsklearn.datasetsimportds如果需要的類庫沒有安裝，則會提示模塊不存在，如果沒有錯誤提示，則說明安裝成功1.3Python數據分析環(huán)境2.安裝數據分析庫Python第一章Python數據分析概念3.JupyterNotebook的使用JupyterNotebook是IPythonNotebook的繼承者，是一個交互式筆記本，支持運行40多種編程語言。它本質上是一個支持實施代碼、數學方程、可視化和Markdown的Web應用程序。對于數據分析，JupyterNotebook最大的優(yōu)點是可以重現整個分析過程，并將說明文字、代碼、圖表、公式和結論都整合在一個文檔中。用戶可以通過電子郵件、Dropbox、GitHub和JupyterNotebookViewer將分析結果分享給其他人1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用JupyterNotebook是一個非常強大的工具，常用于交互式地開發(fā)和展示數據科學項目。它將代碼和它的輸出集成到一個文檔中，并且結合了可視的敘述性文本、數學方程和其他豐富的媒體。它直觀的工作流促進了迭代和快速的開發(fā)，使得Jypyternotebook在當代數據科學、分析和越來越多的科學研究中越來越受歡迎。最重要的是，作為開源項目，它是完全免費的。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用（1）安裝JupyterNotebook使用如下命令安裝JupyterNotebook。pip3installjupyter（2）啟動JupyterNotebook注意：JupyterNotebook在啟動后只允許訪問啟動目錄中包含的文件（包括子目錄中包含的文件），并且在JupyterNotebook中創(chuàng)建的文件也保存在啟動目錄中，在啟動JupyterNotebook之前需要修改當前目錄。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用其中JupyterNotebook之前先做準備工作。（a）創(chuàng)建目錄（文件夾）。比如在D盤下創(chuàng)建notebook文件夾。（b）改變系統(tǒng)的當前目錄，把當前目錄更改為創(chuàng)建的目錄（文件夾）。準備工作完成后，開始啟動JupyterNotebook。在Windows系統(tǒng)下的命令行或者在Linux系統(tǒng)下的終端輸入了命令“Jupyternotebook”后回車即可啟動JupyterNotebook。啟動后會自動打開系統(tǒng)默認的瀏覽器，瀏覽器自動展示JupyterNotebook的界面。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用推薦使用Chrome瀏覽器，讀者可以在啟動JupyterNotebook之前，設置操作系統(tǒng)的默認瀏覽器。啟動后瀏覽器地址欄顯示：http://localhost:8888/tree。其中l(wèi)ocalhost不是一個網站，而是表示從你的本地機器中服務的內容。JupyterNotebook是Web應用程序，它啟動了一個本地的Python服務器，將這些應用程序提供給你的Web瀏覽器，使其從根本上獨立于平臺，并具有Web上共享的優(yōu)勢。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用（3）新建一個Notebook打開JupyterNotebook以后會在系統(tǒng)默認的瀏覽器中出現JupyterNotebook的界面（Home）。單擊右邊上方的“New”下拉按鈕，出現下拉列表，選擇“Python3”選項，進入Python腳本編輯界面。下拉列表中是創(chuàng)建的Notebook類型，其中，“TextFile”為純文本型，“Folder”為文件夾，“Python3”表示Python運行腳本，灰色字體表示不可用項目。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用（4）JupyterNotebook界面JupyterNoteBook文檔由一系列單元（Cell）構成，單元有兩種形式。①代碼單元。代碼單元是編寫代碼的地方，代碼單元左邊有“In[]:”符號，編寫代碼后，單擊界面上方的工具類中的“運行”按鈕，執(zhí)行程序，其結果會在對應代碼單元的下方顯示。②Markdown單元。Markdown單元對文本進行編輯，采用Markdown語法規(guī)范，可以設置文本格式，插入鏈接、圖片甚至數學公式。Markdown也可以運行，運行后顯示格式化的文本（原文本被替代）。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用（5）JupyterNotebook兩種模式在JupyterNotebook中有兩種模式。①編輯模式。用于編輯文本和代碼。對于Markdown單元，選中單元并按“Enter”鍵（或者雙擊）進入編輯模式；對于代碼單元，選中單元后直接進入編輯模式。編輯模式的單元左側顯示綠色豎線。②命令模式。命令模式用于執(zhí)行鍵盤輸入的快捷命令，在編輯模式下通過按“Esc”鍵進入命令模式。命令模式的單元左側顯示藍色豎線。注意：在命令模式下，才能使用快捷鍵。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用（6）檢查點當創(chuàng)建一個新的Notebook時，JupyterNotebook都會創(chuàng)建一個檢查點文件和一個Notebook文件；它將位于保存位置的隱藏子目錄中，稱作.ipynb_checkpoints，也是一個.ipynb文件。默認情況下，Jupyter將每隔120秒自動保存Notebook，而不會改變你的主Notebook文件。當你“保存和檢查點”時，Notebook和檢查點文件都將被更新。因此檢查點能夠在發(fā)生意外事件時恢復未保存的工作，通過菜單“File>ReverttoCheckpoint”恢復到檢查點。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用（7）MarkdownMarkdown是一種輕量級的、易于學習的可以使用普通文本編輯器編寫的標記語言，通過簡單的標記語法，它可以使普通文本內容具有一定的格式。JupyterNotebook的Markdown單元作為基礎的Markdown的功能更加強大，下面將從標題、列表、字體、表格和數學公式編輯5個方面進行介紹。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用①標題標題是標明文章和作品等內容的簡短語句，在行前加一個“#”字符代表一級標題，加兩個“#”字符代表二級標題，以此類推。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用②列表列表是一種有數據項構成的有限序列，即按照一定的線性順序排列而成的數據項的集合。列表一般分為兩種：一種是無序列表，使用一些圖標標記，沒有序號，沒有排列順序；另一種是有序列表，使用數字標記，有排列順序。Markdown對于無序列表，可使用星號、加號或者減號作為列表標記；Markdown對于有序列表，則使用數字“.”“”（一個空格）表示。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用③字體文檔中為了凸顯部分內容，一般對文字的使用加粗或斜體格式，使得該部分內容變得更加醒目。對于Markdown排版工具而言，通常使用星號“*”和下劃線“_”作為標記字詞的符號。前面有兩個星號或下劃線表示加粗，前后有3個星號或下劃線表示斜體。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用④表格使用Markdown同樣也可以繪制表格。代碼的第一行表示表頭。第二行分隔表頭和主體部分。從第三行開始，每一行代表一個表格行。列與列之間用符號“|”隔開，表格的一行兩邊也要有符號“|”。⑤數學公式編輯在JupyterNotebook的Markdown的單元中也可以是使用LaTeX來插入數學公式。在文本行中插入數學公式，應使用兩個“$”符號。如果要插入一個數學區(qū)塊，則使用兩個“$$”。1.3Python數據分析環(huán)境Python第一章Python數據分析概念3.JupyterNotebook的使用（8）導出功能Notebook可以導出多種格式，例如HTML、Markdown、reST、PDF等格式。導出功能可通過選擇“File”→“Downloadsas”級聯(lián)菜單中的命令實現。1.3