【量化小讲堂-Python&Pandas系列20】如何安装pandas、anaconda(最新教程、保证可用)
来源:互联网 发布:真正卖原单的淘宝店铺 编辑:程序博客网 时间:2024/05/29 19:24
引言:
本系列“量化小讲堂”,通过实际案例教初学者使用python、pandas进行金融数据处理,希望能对大家有帮助。
【必读文章】:《10年400倍策略分享-附视频逐行讲解代码》
【所有系列文章汇总】:【量化小讲堂 – Python、Pandas系列】目录汇总
如何安装pandas、anaconda(最新教程、保证可用)
开发环境的搭建一直是件非常蛋疼的事,特别是一些第三方库的安装。我们系列文章中主要讲到的Pandas就是一种第三方库。
记得我当时第一次安装pandas的时候花了整整一天。经过长时间的摸索,得到以下的安装方法,你只要会安装QQ,就能安装pandas。
在之前的一篇量化小讲堂文章《【量化小讲堂-Python量化入门02】windows下如何安装Python、pandas》中,已经教大家如何安装了。但是因为那篇文章写的比较早,推荐的安装方式不一定能完全成功,所以本次重新写一篇。
第一节:Anaconda介绍以及安装
1.1 介绍:
首先,我们需要了解一下什么是Anaconda。
Anaconda是python的一个发行版本。安装好了Anaconda就相当于安装好了python,并且里面还集成了很多关于python科学计算的第三方库。比如我们需要用到的Pandas、numpy、dateutil等等,高达几百种。
安装了Anaconda,我们就不需要再专门的一个个安装第三方库。只要在使用Pycharm时调用Anaconda环境,便可以方便的使用其中的各种库。且各个库之间的依赖性很好,对于我们来讲可以大大简化安装流程。
1.2 安装过程:
安装之前先到Anaconda的官网下载Anaconda。现在的版本有python2.7版本和python3.5版本,我们下载2.7版本。32位和64位根据自己的电脑进行选择,不确定的话就下载32位的,没有影响。
由于很多同学没有代理,下载速度很慢,我已经把文件保存在百度云中,地址在附件中,免费,回复可见。
下载好以后,直接双击.exe文件,如下图一步步进行安装:
选择安装路径:
把下面两项都选上(一定要都勾选上),点install就可以了:
安装完成后点击Finish:
1.3 检查安装结果:
安装完成后,打开windows的命令提示符(cmd窗口:首先使用“Win+R”快捷键召唤出运行窗口,再在运行中输入cmd,点击确认即可打开):
输入conda list就可以查询现在安装了哪些库,常用的numpy、scipy、pandas等都已经自动装好了。这一步相当于是检查,不去做也没有什么问题。
第二节:安装PyCharm并且调用Anaconda环境
PyCharm是一种Python的编译器。当然,如果不是初学者,可以根据自己的喜好选择自己喜欢的编辑器。我们这里推荐使用PyCharm,更方便一起交流学习。
到官网下载pycharm安装包,我们选择免费版(Community)就行了。
我已经把pycharm下载好保存在百度云中,地址在附件中,免费,回复可见。
下载完后,双击就可以安装了:
选择安装路径:
点击install就可以了,等待安装完成:
安装好之后,打开pycharm,初次打开时会让你进行设置,主要是设置pycharm的主题、字体等。一开始默认即可,或者按照下图进行设置。进入软件之后也可以重新设置。
这里需要在第一个红框中填写一个路径地址。这里解释一下这个路径,每当我们新建一个Python项目,一般是创建个新的空文件夹,把和这个项目相关的程序、数据等内容都放在这个文件夹中,方便管理。第一个红色框中的路径就是指向这个文件夹,我这里这个文件夹叫demo。
第二个红色框就是我们要用到的python解释器,由于我们刚刚装了anaconda集成环境,所以这里就默认的就是anaconda下面的python解释器。
接着,为了验证一下anaconda已经帮我们装了很多常用的包,我们顺序点击File,settings, 出现下面这个界面,选择Project demo:
可以看到,numpy、pandas等科学计算常用的包确实已经装好了。
- 【量化小讲堂-Python&Pandas系列20】如何安装pandas、anaconda(最新教程、保证可用)
- 【量化小讲堂-Python&Pandas系列02】Windows下如何安装Python、Pandas
- 【量化小讲堂-Python&Pandas系列01】如何快速上手使用Python进行金融数据分析
- 【量化小讲堂-Python&Pandas系列10】如何判断一个策略的好坏?(附代码)
- 【量化小讲堂-Python&Pandas系列09】量化投资中关于复权的处理
- 【量化小讲堂-Python&Pandas系列03】使用python计算移动平均线
- 【量化小讲堂-Python&Pandas系列22】最优雅的Python编程方式:Jupyter Notebook视频教程
- 【量化小讲堂-Python&Pandas系列19】10年400倍策略分享(附视频逐行代码讲解)
- 【量化小讲堂-Python&Pandas系列04】计算创业板平均市盈率
- 【量化小讲堂-Python&Pandas系列06】历史数据告诉你:KDJ指标选股有效吗?
- 【量化小讲堂-Python&Pandas系列07】数据告诉你:惊人的海龟交易法则
- 【量化小讲堂-Python&Pandas系列08】通过逐笔数据计算主力资金流数据
- 【量化小讲堂-Python&Pandas系列12】诺奖得主的仓位分配算法,有效吗?
- 【量化小讲堂-Python&Pandas系列13】数据告诉你:惊人的指数定投策略
- 【量化小讲堂-Python&Pandas系列14】逆天的反转策略在A 股实证
- 【量化小讲堂-Python&Pandas系列15】完整策略框架:以均线策略为例
- 【量化小讲堂-Python&Pandas系列16】布林带策略在A股的实证
- 【量化小讲堂-Python&Pandas系列21】「视频讲解」浅谈机器学习与量化投资
- Code Forces 589G Hiring(树状数组)
- 学习到的处理最大子矩阵问题运用枚举的思路
- Celery-4.1 用户指南: Canvas-设计工作流
- JAVA常用算法之冒泡、选择、快速
- 线程示例
- 【量化小讲堂-Python&Pandas系列20】如何安装pandas、anaconda(最新教程、保证可用)
- 怎样解决VMware虚拟机无法连接外网问题
- 关于Python中静态方法、实例方法、类方法、普通方法
- 项目修改输出路径
- java鬼混笔记:springboot之thymeleaf 2:字符串Strings常见的使用方法
- VI/VIM 高清键位图
- Linux shell基础知识
- 第十一周LeetCode
- ionic cordova run android 报Unable to start the daemon process的解决办法