February 2020

在實務上發展應用程式時，除了可以自行開發模組(Module)與套件(Package)外，很多時候會安裝使用第三方套件(Package)，來提升專案的開發效率。 所以本文將介紹如何在PyPI中搜尋所需的Python套件(Package)，並且以Windows作業系統及Visual Studio Code開發工具為例，瞭解Python強大的套件管理工具，讓您有效管理專案中的Python套件(Package)。 由於是在Visual Studio Code的Terminal視窗中下指令的方式來操作，所以使用命令提示字元視窗，也可以達到相同的效果。本文重點包含： PyPI(Python Package Index) pip套件管理工具 pipenv套件管理工具 Pipfile及Pipfile.lock檔案 一、PyPI(Python Package Index) PyPI是一個套件庫，位於https://pypi.org，其中包含了各式各樣的Python套件(Package)，在開發應用程式的過程中，可以到這邊來搜尋是否有所需的功能套件(Package)，安裝後透過引用的方式來進行使用，藉此提升開發效率。 現在就來介紹幾個在使用PyPI時，需要瞭解的基本功能。首先，PyPI的首頁如下圖： 各位可以在搜尋的地方查詢所需的套件，例如搜尋常應用在網路爬蟲的beautifulsoup4套件(Package)，從查詢結果可以看到許多相關的套件(Package)，如下圖： 以beautifulsoup4 4.8.2為例，點進此套件(Package)後，可以看到安裝的指令及最新版的發佈日期，如下圖： 一個套件(Package)要如何使用，一定會有文件可以參考，往下即可看到Documentation的連結，如下圖： 而套件(Package)的版本演進歷史則可以透過左邊的Release history來查看，如下圖： 以上是在使用PyPI上查找套件(Package)時，較常使用的部分，接下來，就來教大家如何透過指令來安裝套件(Package)吧。…

上一篇文章主要介紹如何利用pandas處理字串資料，而這章節的會著重於數值的資料處理以及顯示基礎統計量的方法。在資料分析中，數值資料是非常常見的，而且對於後續的深入分析而言，數值資料能夠讓我們進一步利用推論統計檢定許多因素與目標的關聯性，幫助我們能夠利用檢定結果進行決策，或是發現夠深入的趨勢。   這次我們會使MLB美國職棒大聯盟的各隊歷年統計數據（mlb_team.csv）的公開資料，其中記錄了美國職棒大聯盟從西元1871年至今的各球隊數據，因為最近正好碰到需要分析棒球的運動相關數據，且這份資料大部分的欄位都是數值欄位，正好適合這篇文章主題。 讀取資料： import pandas as pd mlb_teams = pd.read_csv("mlb_team.csv",encode="UTF-8") mlb_teams.head()     向量處理 Vectorize Operations 之前的文章中有提到Pandas是利用向量處理的方式進行資料處理的，所以我們在進行數值運算的時候都是針對單一個欄位將欄位中的所有數值進行相同的運算，如果要針對特定條件的數值進行運算，則需要先進行資料篩選再進行數值處理。 基本上在利用Pandas進行數值運算時，跟我們一般在寫Python計算一樣，只是平常用於運算的變數變成了 DataFrame 物件或是 Series 物件，所以所有Python中的數學運算符，在Pandas都可以直接使用： s = pd.Series() s+11 s-10 s*5…