服务器评测
一、为什么要使用Python进行数据分析？
Python拥有一个巨大的活跃的科学计算社区，拥有不断改良的库，能够轻松的集成C,C++,Fortran代码（Cython项目），可以同时用于研究和原型的构建以及生产系统的构建。
二、Python的优势与劣势：
1.Python是一种解释型语言，运行速度比编译型数据慢。
2.由于python有一个全局解释器锁（GIL）,防止解释器同时执行多条python字节码，所以python不适用于高并发、多线程的应用程序。
三、使用Python进行数据分析常用的扩展包。
目前初始阶段的学习主要涉及4个包的安装：numpy、scipy、pandas、matplotlib
我笔记本里安装的是Python2.7版本，在安装了pip和setuptools工具，关于pip和setuptools工具的安装详见相关笔记。
最初使用的安装命令很简单：
pip install pandas
pip install numpy
pip install scipy
pip install matplotlib
但是只安装成功了numpy和matplotlib两个包，pandas和scipy安装失败，查阅了相关资料发现可能是版本问题或者包的依赖相关。
最终在stack overflow发现了一个很棒的Python包提供网址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
当然官网也是非常好的，但是有些包更新的太频繁，官网可能不提供2.7某些包的支持。
–这里要Mark一下，后边争取写一个爬虫，搞下来所有的包防止丢失。
以上网址是加州大学欧文分校提供的Python相关库的下载地址，修改#后边的名字可以进去其他包的下载页面，此页面中提供了安装某个包需要依赖的前置包的说明，非常友好。
依赖包说明类似：
Pandas, a cross-section and time series data analysis toolkit.
Requires numpy, dateutil, pytz, setuptools, and optionally numexpr, bottleneck, scipy, matplotlib, pytables, lxml, xarray, blosc, backports.lzma, statsmodels, sqlalchemy and other dependencies.
然后就是一堆的pandas下载地址。
最终根据各个包的相关性先安装了numpy+mkl的whl文件，然后是安装scipy最后是pandas。
安装的方法如下：
1.下载对应的4个包放在D:\目录下（很奇怪我笔记本是AMD64位的但是安装amd64版本的包报不支持的platform的错误，安装了32位的可以正常import）
2.cmd命令行进入D:\目录执行：pip install <包的全名>进行安装。（如果已安装了其他错误的版本，使用pip uninstall卸载）
最后使用如下类似命令查看包的安装位置：
Python 安装setuptools和pip工具
setuptools模块和pip模块是python进行第三方库扩展的极重要工具，例如我们在需要安装一些爬虫或者数据分析的包时就可以使用pip install命令来直接安装这些包了，因此pip工具一定要提前安装。
一、安装setuptools
在python交互界面执行如下命令，脚本我单独拿出来：
from urllib import urlopen
data = urlopen('http://peak.telecommunity.com/dist/ez_setup.py')
open('ez_setup.py','wb').write(data.read())
exit()
执行完毕后可以发现在C:\Users\Administrator目录下出现了一个ez_setup.py的文件，cmd执行python ez_setup.py，则安装setuptools完毕
二、安装pip工具
安装setuptool之后就可以安装pip啦。
安装setuptools完毕后在C:\Python27\Scripts就可以看到easy_install的模块了，可以使用cmd命令进入此目录，运行easy_install.exe pip来安装pip模块。
运行安装完毕后就可以在C:\Python27\Scripts下看到pip.exe工具，将C:\Python27\Scripts加入PATH则可以安装其他第三方标准库模块了，例如：
pip install requests可以安装requests模块。
本文永久更新链接地址：http://www.linuxidc.com/Linux/2017-06/144606.htm
