Python数据分析开发环境
准备工作
下载并安装最新版本的Anaconda
下载并安装最新版本的Visual Studio Code
编辑器
Tips：
可以选择自己喜欢并且熟悉的编辑器或IDE。如：VIM、Emacs、Notepad++、Sublime、Pycharm等。
如果安装的是完整版本的Anaconda，会默认安装Spyder以及Jupyter Notebook。那么不想折腾编辑器的话，推荐使用这两款应用是足够的。
Visual Studio Code
推荐插件
- Python
可选插件
- vscode-icons
包管理器选择
Conda
Conda是目前比较常用的包管理工具，其大致功用于pip类似，这里使用Conda的原因，主要在于Conda除可以安装python的包外，还可以很方便的安装其他变成语言的包（如C++、C等）。这样的话，就可以很方便的解决有些数据分析的包依赖非python编写的程序包的问题。
为了能够直接在命令行中使用conda命令，这里将
Anaconda3\Scripts目录添加到了环境变量中。
基本使用
创建虚拟环境：conda create -n <env_name> python=<python_version_num>
激活虚拟环境：activate <env_name>
安装程序包到指定虚拟环境：conda install -n <env_name> <pakcage_name>
关闭虚拟环境：deactivate
删除虚拟环境：conda remove <env_name> --all
删除虚拟环境中的某个包：conda remove --name <env_name> <package_name>
查看已安装包：conda list
查看已安装环境：conda env list
检查更新conda：conda update conda
更新所有程序包：conda update --all
常用包安装
安装好Anaconda后，可以使用Anaconda来管理包的安装。
如果是用于学习与研究，而不用与其他人协作或者能够有良好的约定的话，那么可以直接使用conda的默认的环境，这样就可以少安装很多包。
REM 基础包
conda install numpy
conda install scipy
conda install pandas
conda install matplotlib
REM ORM，用于连接数据库
conda install sqlalchemy
更改Conda的下载镜像
如果要使用的包并不包含在默认的conda环境中，又想加快下载速度与稳定性的话，可以添加国内的下载镜像。
在终端中执行以下命令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
参考：
PIP
因为某些原因使用Conda可能无法顺利安装一些包，那么可以使用PIP来进行安装。
REM 更新PIP
python -m pip install --upgrade pip
REM 中国股票数据获取
pip install tushare
REM 导出当前环境所有依赖包信息
pip freeze > requirements.txt
REM 根据导出的依赖包信息安装包
pip install -r requirements.txt -d <your_download_dir>
常用包推荐
数据获取&爬虫
- Tushare：提供便捷的国内股票行情数据的获取（自动爬取相关网站数据）
- requests：一款优秀的HTTP Request包，可以用于与HTML/XML解析的包结合起来制作爬虫工具。
- urllib：Python3的内置包，主要用于访问、解析指定URL。
- Beautiful Soup：一个可以从HTML或XML文件中提取数据的Python库。
数据整理
- Numpy：提供强大的矩阵操作，以及一些非常有用的计算工具（如：irr、npv等）
- Pandas：提供强大的数据框操作（类似R语言中的DataFrame）
- SciPy：提供强大的统计工具。
数据可视化
数据库操作
-
sqlalchemy：数据库建议使用自己熟悉的或项目统一要求的，如：Oracle、MySQL、PostgreSQL、MSSQL、SQLite等。
sqlalchemy包可以有效的连接各类常用的数据库，并处理各类操作。