# teast4.1

**Repository Path**: johnny1128/teast4.1

## Basic Information

- **Project Name**: teast4.1
- **Description**: 移动应用开发第四次实验无图版
- **Primary Language**: Kotlin
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-05-26
- **Last Updated**: 2022-05-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## Jupyter Notebook基础教程

##### 创建一个新的Notebook

* 新建一个Notebook Python3(ipykernel),生成一个Untitled.ipynb文件

  ![输入图片说明](1.png))

##### cell

* 代码cell:包含可被kernel执行的代码，执行之后在下方显示输出。

* Markdown cell:书写Markdown标记语言的cell.

* 输入一行代码，查看结果：

  ```
  print('Hello World!')
  ```

  结果

  ```
  Hello World!
  ```

* 代码执行之后，In[ ]变成了Ina[1]。

##### cell模式

* 编辑模式：enter键切换，绿色轮廓
* 命令模式：esc键切换，蓝色轮廓

##### 快捷键

​	使用ctrl+shift+P 可以查看Notebook支持的命令

##### Kernel

* 每个notebook都基于一个内核运行，当执行cell代码时，代码将在内核当中运行，运行的结果会显示在页面上。Kernel中运行的状态在整个文档中是延续的，可以跨越所有的cell。这意思着在一个Notebook某个cell定义的函数或者变量等，在其他cell也可以使用.

  ```
  import numpy as np
  def square(x):
      return x * x
  ```

* 执行上述代码后，后面的cell可以使用np和square

  ```
  x = np.random.randint(1, 10)
  y = square(x)
  print('%d squared is %d' % (x, y))
  ```

   ---4 squared is 16

* `File > Close and Halt`，或者`Kernel > Shutdown`。可以清空内存中的变量。

##### 简单的Python程序的例子

* 首先，导入相关的工具库

  ```
  %matplotlib inline
  import pandas as pd
  import matplotlib.pyplot as plt
  import seaborn as sns
  ```

  这里， [pandas](https://pandas.pydata.org/docs/)用于数据处理，[matplotlib](https://so.csdn.net/so/search?q=matplotlib&spm=1001.2101.3001.7020)用于绘图，seaborn使绘图更美观。第一行不是python命令，而被称为line magic。%表示作用与一行，%%表示作用于全文。此处%matplotlib inline 表示使用matlib画图，并将图片输出。 

* 加载数据集

  ```
  df = pd.read_csv('fortune500.csv')
  ```

* 检查数据集

  ```
  df.head()
  ```

  ![输入图片说明](2.png)

  ```
  df.tail()
  ```

  ![输入图片说明](![输入图片说明](10.png)3.png)

* 对数据属性列进行重命名，便于后续访问

  ```
  df.columns = ['year', 'rank', 'company', 'revenue', 'profit']
  ```

* 检查数据条目是否完整

  ```
  len(df)
  ```

  ---25500

* 检查属性列的类型

  ```
  df.dtypes
  ```

  ---

  ```
  year         int64
  rank         int64
  company     object
  revenue    float64
  profit      object
  dtype: object
  ```

* 对于profit属性，期望是float，所以可能包含非数字的值，用正则表达式进行检查。

  ```
  non_numberic_profits = df.profit.str.contains('[^0-9.-]')
  df.loc[non_numberic_profits].head()
  ```

  ![输入图片说明](4.png)

* 统计一共存在多少条这样的记录

  ```
  len(df.profit[non_numberic_profits])
  ```

  ---369

* 使用直方图显示一下按照年份的分布情况

  ```
  bin_sizes, _, _ = plt.hist(df.year[non_numberic_profits], bins=range(1955, 2006))
  ```

  ![输入图片说明](5.png)

* 删除这些记录

  ```
  df = df.loc[~non_numberic_profits]
  df.profit = df.profit.apply(pd.to_numeric)
  ```

* 再次检查条目数

  ```
  len(df)
  ```

  ---25131

  ```
  df.dtypes
  ```

  ```
  year         int64
  rank         int64
  company     object
  revenue    float64
  profit     float64
  dtype: object
  ```

  --实现无效数据的清理

##### 使用matplotlib绘图

```
group_by_year = df.loc[:, ['year', 'revenue', 'profit']].groupby('year')
avgs = group_by_year.mean()
x = avgs.index
y1 = avgs.profit
def plot(x, y, ax, title, y_label):
    ax.set_title(title)
    ax.set_ylabel(y_label)
    ax.plot(x, y)
    ax.margins(x=0, y=0)

```

* 开始绘图

  ```
  fig, ax = plt.subplots()
  plot(x, y1, ax, 'Increase in mean Fortune 500 company profits from 1955 to 2005', 'Profit (millions)')
  ```

  ![输入图片说明](6.png)

* 继续看看收入曲线

  ```
  y2 = avgs.revenue
  fig, ax = plt.subplots()
  plot(x, y2, ax, 'Increase in mean Fortune 500 company revenues from 1955 to 2005', 'Revenue (millions)')
  ```

  ![输入图片说明](7.png)

* 对数据进行标准差处理

  ```
  def plot_with_std(x, y, stds, ax, title, y_label):
      ax.fill_between(x, y - stds, y + stds, alpha=0.2)
      plot(x, y, ax, title, y_label)
  fig, (ax1, ax2) = plt.subplots(ncols=2)
  title = 'Increase in mean and std Fortune 500 company %s from 1955 to 2005'
  stds1 = group_by_year.std().profit.values
  stds2 = group_by_year.std().revenue.values
  plot_with_std(x, y1.values, stds1, ax1, title % 'profits', 'Profit (millions)')
  plot_with_std(x, y2.values, stds2, ax2, title % 'revenues', 'Revenue (millions)')
  fig.set_size_inches(14, 4)
  fig.tight_layout()
  ```

  ![输入图片说明](8.png)

##### 分享Notebooks

* 一种像文本一样以静态非交互式分享(html,markdown,pdf等)
* 通过git版本工具或者Goole Colab进行协同开发

##### 分享之前的工作

* 点击cell>ALL output>clear
* 点击kernel>restart&run all
* 等待所有代码执行完毕

##### 导出

 使用"File > Download as"可以以多种格式导出Notebooks 

##### Jupyter Notebook扩展工具

* 首先启动Anaconda home界面

  ![输入图片说明](9.png)

* 在终端中一次输入下面4条命令

  ```
  pip install jupyter_contrib_nbextensions
  
  jupyter contrib nbextension install --user
  
  pip install jupyter_nbextensions_configurator
  
  jupyter nbextensions_configurator enable --user
  ```

* 重新打开Jupyter Notebook启动界面

  ![输入图片说明](10.png)

* 点击Nbextensions标签，勾选Hinterland

  ![输入图片说明](11.png)