Introduction to Data Analysis with Python

PART -1 Setup

Cover photo by Markus Spiske on Unsplash

Przygotowanie środowiska pracy

  1. Podstawowe informacje
  2. Instalacja
  3. IDE
  4. Jupyter notebook & Google Colab
  5. Hello world

1. Podstawowe informacje

Python jest interpretowanym, wieloparadygmatowym językiem wysokiego poziomu do zastosowań ogólnych z dynamicznym i silnym typowaniem danych.

  • Interpretowany - skrypt programu nie musi być wcześniej kompilowany, podczas uruchamiania jest na bieżąco interpretowany przez wbudowany interpreter

  • Wieloparadygmatowy - nie ma jednego podejścia (paradygmatu) w jakim należy używać tego języka, można pisać m.in. obiektowo jak i strukturalnie (na tych warsztatach skupimy się na tym ostatnim)

  • Typowanie dynamiczne - przypisanie typu danych do wartości przechowywanych w zmiennych odbywa się w trakcie działania programu

  • Typowanie silne - nie można wymusić dla jednego typu danych by automatycznie zachował się jako drugi typ danych (musimy dokonać konwersji typów o ile jest to możliwe)

Obecnie nadal istnieją dwie wersje Pythona (Python 2 oraz Python 3) różniące się, nie w pełni kompatybilne, lecz od 2020 roku Python 2 przestał otrzymywać wspieranie. Obecny kod powinien być więc pisany tylko i wyłącznie w wersji 3!

Istnieje wiele źródeł informacji pisanych w Pythonie 2, można je wykorzystywać mając świadomość, że część rzeczy może być inaczej realizowana w Pythonie 3, na przykład podejście do funkcji print.

2. Instalacja

W celu pobrania Pythona należy wejść na oficjalną stronę dystrybutora i postępować z instrukcjami zgodnymi z systemem operacyjnym na którym pracujemy.

Dodatkowe informacje przydatne do instalacji:

(PL) DjangoGirls

Windows:

Python Docs

Guru99

Linux:

https://tecadmin.net/install-python-3-8-ubuntu/

apt-get install python

MacOS:

brew install python

3. IDE

IDE (ang. integrated development environment; pol. zintegrowane środowisko programistyczne) - zbiór narzędzi do tworzenia oprogramowania

Pomimo iż nic nie stoi na przeszkodzie, żebyśmy pisali programy w konsoli terminalu, dla ułatwienia naszej pracy możemy skorzystać z przeróżnych programów mających na celu ułatwienie nam pracy.

Ze swojej strony jako IDE mogę polecić PyCharm oferujące darmową wersję Community oraz płatną wersję Professional, która jest dostępna za darmo dla wszystkich studentów naszej uczelni (muszą oni wyrobić mail uczelniany, informacja sprawdzona dla 2019 roku).

Jest to dość potężne oprogramowanie, którego wszystkich dobrodziejstw nie wykorzystamy, lecz posiada bardzo dobry system podpowiedzi, który może być przydatny na początkowym etapie nauki tego języka.

4. Jupyter notebook & Google Colab

Jupyter notebook

Jupyter notebook to technologia która umożliwia nam tworzenie interaktywnych dokumentów w których możemy zagnieżdżać fragmenty kodu oraz je uruchamiać. Idealne rozwiązanie do wizualizacji danych, demonstracji kodu etc.

To co właśnie czytasz to dokument utworzony w tej technologii!

Więcej informacji na ten temat możesz znaleźć m.in. na stronie twórców. Osobiście polecam instalacje tej technologii w ramach pakietu Anaconda zawierającej wszelkie potrzebne biblioteki jeżeli chcemy zacząć naszą przygodę z analizą danych w Pythonie.

Google Colab

Google Colab jest rozwiązaniem Google które dostarcza i obsługuje środowisko Jupyter notebook. Dzięki temu nie musimy nic pobierać, instalować. Mamy gotowe środowisko do pracy :)

Przydatne informacje:

5. Hello world

Jeżeli udało nam się prawidłowo zainstalować i skonfigurować środowisko pracy należy napisać pierwszy program. W tym celu w utworzonym pliku o rozszerzeniu *.py (nie dotyczy to rozwiązania Jupyter) wklejamy poniższą linię:

print("Hello world")

Hello world

A następnie zapisujemy plik i uruchamiamy go przez nasze IDE, lub w konsoli otwartej w folderze gdzie znajduje się nasz zapisany plik (przykładowo main.py)

python main.py

lub

python3 main.py

Jeżeli wszystko poszło dobrze, to właśnie udało Ci się napisać pierwszy program w Pythonie 😃