本文共 1251 字，大约阅读时间需要 4 分钟。

1. 使用jupyter notebook

直接Anaconda 中打开终端，输入jupyter notebook 会自动打开文件夹，默认打开home目录，初次使用需要修改文件存放位置

① 设置Jupyter Notebook文件存放位置

• 搜索：“jupyter_notebook_config.py” 配置文件
• 记事本打开（notepad++也可）配置文件
• 查找关键词“c.NotebookApp.notebook_dir”，找到配置文件中定义文件路径的设置
• 如果有注释，取消注释，替换上自定义的文件目录，比如

c.NotebookApp.notebook_dir = 'D:\\myfiles’

此时再次打开即可

注意：使用 jupyter notebook 时需要保持终端打开状态，不然会出现连接中断的错误

2. python工具包

① numpy：提供 数组高效处理 函数

• NumPy是很多更高级的扩展库的依赖库，如 SciPy、Matplotlib、pandas

• NumPy是Python中相当成熟和常用的库，教程很多，最值得一看的是官网的帮助文档

② scipy：提供 矩阵及矩阵数值计算 模块

• SciPy包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算

• SciPy依赖于NumPy，因此安装之前得先安装好NumPy。

③ matplotlib：数据可视化工具、作图库

• Matplotlib主要用于二维绘图，当然也可以进行简单的三维绘图。提供了一整套和MATLAB相似命令
• Matplotlib的上级依赖库相对较多，需要逐一把这些依赖库都安装好。
• 中文标签无法正常显示，这是因为Matplotlib的默认字体是英文字体

④ pandas：数据分析和探索工具

• pandas建造在NumPy之上

• pandas支持类似SQL的数据增、删、查、改，并且带有丰富的数据处理函数;支持时间序列分析功能

• pandas基本的数据结构是Series和DataFrame。

• Series顾名思义就是序列，类似一维数组;

• DataFrame则相当于一张二维的表格，类似二维数组，它的每一列都是一个Series。

⑤ scikit-learn：支持回归、分类、聚类等的机器学习库

• scikit-learn提供了完善的机器学习工具箱，包括数据预处理、分类、回归、聚类、预测、模型分析等。

• scikit-learn依赖于NumPy、SciPy和Matplotlib

⑥ keras：深度学习库，用于建立神经网络以及深度学习模型

• 用Keras库来搭建神经网络。
• 基于Theano的强大的深度学习库，可以搭建各种深度学习模型，如自编码器、循环神经网络、递归神经网络、卷积神经网络等。

转载地址：http://ahbcz.baihongyu.com/