1.2 环境搭建及安装
在了解了相关背景知识后，我们将进入实际的操作阶段。Pandas需要运行在Python环境中，因此我们需要先安装Python开发环境，同时还需要安装代码编辑工具。它们的依赖关系如图1-2所示。
图1-2 Pandas安装依赖图
首先，在我们的电脑上必须有操作系统，如Windows，而开发语言如Python的解释器就安装在操作系统上。其次，Pandas是Python的第三方库，因而安装在Python环境下。最后，我们要安装代码编辑器，这有两种模式：一种是直接安装在操作系统上，如Sublime Text、Visual Studio Code、PyCharm之类；另一种是安装在Python环境下（本书推荐的Jupyter就作为一个三方库安装在Python环境下）。
1.2.1 Python环境安装
Python作为一门编程语言，它的代码需要一个解释器来进行解释，这个解析器就是专门针对Python代码的，只有它才知道这些代码是什么意思。当然，你可以从Python的官网（https://www.python.org）的下载栏目下载安装包，下载时需要按自己实际的操作系统（Windows、macOS等）下载相应的包，进行界面化安装。但我并不推荐这种方式，原因如下：
- 这种安装方式比较复杂，对新手不友好，比如在Windows中还要设置一些环境变量；
- 容易与已有的Python冲突，macOS操作系统会自带Python（注意：它是2.x版本，并不能直接使用）；
- 无法灵活切换Python版本，有时我们需要使用特定版本的Python，需要灵活切换，而这种方式无法做到。
那么怎样避免以上问题呢？推荐使用Anaconda，它是一个环境套件，能够解决上述问题。
1.2.2 Anaconda简介
Anaconda（https://www.anaconda.com）是一个用于科学计算的Python发行版，支持Linux、macOS和Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本Python并存、切换以及各种第三方包安装问题。
说到这里，先不要动手去下载安装。Anaconda是一个大而全的套件，里面已经为大家安装好了常用的库包，并且还自带一些开发工具，这些使其变得巨大无比，安装后体积超过1GB，运行很吃力。为了解决这个问题，miniconda出现了。它小巧，安装包才几十兆字节，下载、安装速度快。我们可以通过清华大学建立的镜像下载站点进行下载，由于服务器在国内，速度很快。
接下来，我们一起安装吧。
1.2.3 安装miniconda
miniconda可以到它的官网https://docs.conda.io/en/latest/miniconda.html下载，也可以在清华大学提供的镜像站点（地址如下）下载，速度很快。
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
当然，如果你实在需要大而全的Anaconda，可以用以下网址下载：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
我们接着下载miniconda，按最后一列的时间排序，或者将页面拉到最后，找到最近发布的安装包。苹果系统选择MacOSX-x86_64.pkg进行下载，Windows系统选择Windows-x86_64.exe进行下载。py38字样代表Python的版本是3.8版本，推荐使用最新稳定版本，如图1-3所示。
图1-3 miniconda安装包下载
下载完成后，双击安装包按界面提示进行安装。安装完成后，Windows系统的开始菜单或桌面会出现一个终端管理器（Anaconda Prompt字样），苹果系统的启动器里会出现终端（Terminal）；我们将它们统称为终端，后面会经常用到。在不同的系统中点击启动终端，会看到不同的字样。
在Windows系统中，可以看到终端界面中的如下字样，界面中的路径为你当前的操作路径。
(base) PS C:\Users\gairuo>_
macOS系统中的字样如下，gairuo是用户名，Downloads是当前所在的文件夹名称。
Last login: Wed Aug 8 15:28:02 on ttys001 (base) gairuo@MacBook-Pro Downloads %
由于miniconda支持多个Python虚拟环境，终端中的“(base)”是当前默认的环境名称。可以在终端中输入python-V后回车，查看Python的版本。需要注意的是，今后在终端执行操作时要留意是在哪个环境下。
1.2.4 多Python版本环境
目前我们已经将Python 3.8版本安装到了默认环境中，但有时候一些第三方库并不支持这个Python版本，可能只支持3.6或3.7版本，这就需要让多个Python版本在电脑中共存。还有一种需要多个Python版的情况是避免第三方库自身的版本冲突。在同一个Python环境中，一个第三方库只能存在一个版本，如果有其他两个库都依赖某个第三方库，且对Python版本的要求又不一样，就会造成麻烦。
上文我们在终端看到“(base)”就是它的默认环境，并知道了怎么查询当前环境的Python版本，如果需要多个Python版本，就需要创建新的环境，如果有则直接使用它。
注意
对于初学者或者只进行数据科学方面的学习和工作的人来说，一般默认环境就够用了，可以跳过这部分的操作。
下面是一些多环境的操作命令，在终端执行：
# 查看所有虚拟环境及当前环境 conda info -e # 创建新环境，指定环境名称和Python版本 conda create -n py38data python=3.8 # 删除环境 conda remove -n py38data --all # 进入、激活环境 conda activate py38data # 退出环境 conda deactivate
1.2.5 安装编辑器
代码编辑器，即IDE，是编写代码的工具。代码编辑器可选择的比较多，一般可使用Jupyter Notebook（推荐）、Sublime Text、Visual Studio Code、PyCharm。
我们初学者不需要使用大型的工程项目编辑器，如Visual Studio Code、PyCharm，因为它们的安装操作都比较复杂。这里推荐使用Jupyter Notebook，因为它是一个基于网页、界面化、即时反馈结果的编辑器，而且后期在做数据分析、机器学习时，它的可视化功能也非常方便。
当然，如果你已经有十分中意的编辑器，也可以使用它。
1.2.6 Jupyter Notebook
Jupyter（https://jupyter.org）项目是一个非营利性开源项目，于2014年由IPython项目中诞生，它能支持所有编程语言的交互式数据科学和科学计算。它的特点是能够在网页上直接执行编写的代码，同时支持动态交互，在做数据可视化时尤其方便。
目前Jupyter有两个版本，Jupyter Lab和Jupyter Notebook，都是基于Web的交互式开发环境，其中Jupyter Lab为最新一代的产品。图1-4和图1-5分别为它们的截图。
图1-4 Jupyter Lab截图
图1-5 Jupyter Notebook截图
不过我们推荐安装Jupyter Notebook，因为它相对比较稳定、简洁，而且完全可以满足我们的需要。喜欢尝鲜的读者可以尝试一下Jupyter Lab。
1.2.7 用pip安装三方库
在开始接下来的一系列安装工作之前，我们先来了解一下Python第三方库的管理工具pip。它最常用的命令如下。
- pip list：查看当前Python环境安装了哪些库。
- pip install库名：安装新库，注意三个词之间要用空格隔开。
- pip install库名1库名2库名3：同时安装多个库，多个库名之间用空格隔开。
- pip install库名-U：将库的版本升级到最新版。
- pip uninstall库名：卸载库。
此外，由于pip命令中存储库文件的服务器在境外，有时候会比较慢，可以在命令后增加-i参数，如：
pip install 库名 -i https://pypi.tuna.tsinghua.edu.cn/simple
-i后面是指定的镜像源，以上使用了清华大学的镜像源，由于其服务器在国内，下载速度非常快。除了清华大学的源，还可以使用豆瓣（https://pypi.douban.com/simple）、阿里云（http://mirrors.aliyun.com/pypi/simple）等提供的源。
如果在下载安装过程中出现红色提示，安装停止，可能是网络超时了，可重新输入命令（或者按键盘向上键从历史命令中调出）并回车重新安装，或者使用上面提到的其他下载源。如果出现终端命令提示符，则说明安装成功。
1.2.8 安装Jupyter Notebook
Jupyter Notebook是以Python第三方库的形式存在的，它同时依赖一些其他Python第三方库。由图1-2可以看出，它并没有安装在操作系统中（Visual Studio Code、PyCharm等是安装在操作系统中的），而是安装在Python中。
接下来安装Jupyter Notebook，这是我们安装的第一个Python第三方库。在终端中输入以下命令：
# 安装Jupyter Notebook，使用清华大学下载源加快下载速度 pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装 Jupyter Lab 的命令如下 pip install jupyterlab
整个过程包含下载和安装两部分，由于依赖的库较多，需要耐心等待。出现终端命令提示符说明安装成功。
1.2.9 启动Jupyter Notebook
安装完成后就可以使用Jupyter Notebook了。在终端中输入以下命令：
jupyter notebook
如果安装的是Jupyter Lab，则使用以下命令：
jupyter lab
这样就会在浏览器中打开一个网页（如果没有自动打开，可将界面上提示的网址复制到浏览器中手动打开），如图1-6所示。
图1-6 Jupyter Notebook启动后的界面
如果网页中列出的目录和文件不是自己想要的，那么可以在启动Jupyter Notebook前切换目录。在Windows系统中，可以先输入d:并回车，切换到D盘（或者指定的其他盘符），然后再输入cd D:\gairuo\study（改为自己的实际目录）后回车，到达指定目录。在macOS中，可直接输入cd加目录，如cd/Users/gr/Downloads，回车后Jupyter Notebook就默认在你指定的目录下了。
需要注意的是，在我们使用Jupyter Notebook和Jupyter Lab的过程中全程不要关闭终端窗口，否则无法提供服务。编写和执行代码过程中会随时自动保存代码和执行内容。
1.2.10 使用Jupyter Notebook
下面介绍Jupyter Notebook的使用。建议大家从一开始就整理好自己的文件目录，记住创建的文件在哪个位置，这是很重要的。进入合适的目录后，点击页面中的New（新建）按钮并选择Python 3选项，这样就创建了一个代码编辑本，我们就可以在其中编写代码了。
首先修改文件名。点击页面左上角jupyter图标旁边的文件名，会弹出改名框，也可以选择File（文件）菜单下的Rename（重命名）选项进行改名。文件名最好要有规律，如带上日期、需求名之类。可以测试一下其他菜单，比如插入行、删除行、合并行、拆分行、重启服务等。
留意页面右上角“Python 3”旁边的圆圈，如果是实心圆，说明正在执行代码，同时代码行不会显示行执行编号，会显示星号，此时只需要等待就行。如果长时间未执行完成，可以选择Kernel菜单下的Restart进行重启。
另外需要注意的是，一个变量的值与执行顺序有关系（顺序可以参照In [10]字样括号中的数字），不要误认为与所在代码行的前后有关。
下面是一些快捷键，尽量使用这些快捷键来操作以提高效率。
- Tab：代码提示（输入部分代码后按Tab键）。
- Shift+Enter：执行本行并定位到新增的行。
- Shift+Tab（1～3次）：查看函数方法说明（光标在函数上按住Shift再按Tab键一到三次）。
- D D：双击D键删除本行。
- A / B：向上/向下增加一行。
- M / R：Markdown / 代码模式。
1.2.11 安装Pandas
最后一步，安装Pandas库。在终端输入以下命令：
pip install pandas # 如网络慢，可指定国内源快速下载安装 pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
Pandas依赖的第三方库比较多，需要耐心等待安装完成。我们在使用Pandas过程中会用到一些专门的库，如Excel读取生成、可视化等功能，方便起见，可以将后期会用到的其他包一次性安装好。
- Excel处理相关包：xlrd、openpyxl、XlsxWriter
- 解析网页包：Requests、lxml、html5lib、Beautiful Soup 4
- 可视化包：Matplotlib、seaborn、Plotly、Bokeh
- 计算包：SciPy、statsmodels
可以将这些包名放在一条命令中一次性安装：
pip install pandas xlrd openpyxl xlsxwriter requests lxml html5lib BeautifulSoup4\ matplotlib seaborn plotly bokeh scipy statsmodels -i\ https://pypi.tuna.tsinghua.edu.cn/simple
当然，后期还会遇到一些需要的第三方库，根据提示进行安装即可。
我们来检测一下Pandas是否安装成功。在Jupyter Notebook中输入如下代码并执行，如果出现版本号，则说明安装成功了。
import pandas as pd pd.__version__ # '1.2.1'
1.2.12 小结
本节我们了解了环境搭建过程中的各种依赖关系，也成功安装了编写Pandas代码所需要的所有基础环境，接下来，可以正式开始我们的Pandas学习之旅了。