Moduł 1 · Wprowadzenie do analizy danych w Pythonie
Środowisko pracy i narzędzia
Czy wiesz, że 40% czasu analityka danych to rozwiązywanie problemów z konfiguracją środowiska? Wyobraź sobie: masz świetny pomysł na analizę sprzedaży, ale tracisz dwie godziny na walkę z błędami instalacji bibliotek. Profesjonalne środowisko pracy to różnica między frustracją a produktywną analizą.
Anaconda - Twój najlepszy start
Anaconda to kompletny ekosystem do analizy danych w jednym pakiecie. Instalując ją, otrzymujesz:
- Python 3.10+ z najważniejszymi bibliotekami
- Jupyter Notebook - interaktywne środowisko do eksperymentowania
- Spyder - IDE przypominające RStudio lub MATLAB
- Ponad 250 pakietów naukowych (pandas, numpy, matplotlib, scipy)
Instalacja w 3 krokach
- Pobierz Anacondę z anaconda.com (wybierz Python 3.x)
- Zainstaluj z domyślnymi ustawieniami
- Uruchom Anaconda Navigator lub otwórz terminal/command prompt
Sprawdź instalację poleceniem:
conda --version
python --versionWskazówka: Anaconda zajmuje ok. 3GB miejsca, ale oszczędza godziny konfiguracji. To inwestycja, która się zwraca już pierwszego dnia.
Środowiska wirtualne - Twoja polisa ubezpieczeniowa
Scenariusz z życia: Analizujesz dane finansowe klienta z pandas 1.3, a tydzień później nowy projekt wymaga pandas 1.5. Bez środowisk wirtualnych = chaos i błędy kompatybilności.
Środowisko wirtualne to izolowana przestrzeń z własnymi wersjami bibliotek. Każdy projekt = osobne środowisko = zero konfliktów.
Tworzenie środowiska dla projektu analizy
# Utwórz środowisko z nazwą i potrzebnymi pakietami
conda create -n analiza_sprzedazy python=3.10 pandas numpy matplotlib seaborn jupyter
# Aktywuj środowisko
conda activate analiza_sprzedazy
# Sprawdź zainstalowane pakiety
conda listDlaczego to działa? Każde środowisko ma własny folder z bibliotekami. Przełączając się między projektami, przełączasz się między "zestawami narzędzi".
Wskazówka: Nazwij środowisko według projektu (np. "analiza_klientow", "prognozy_sprzedazy"). Dzięki temu zawsze wiesz, które środowisko aktywować.
Narzędzia do codziennej pracy
Jupyter Notebook - Twój laboratorium
Jupyter to interaktywne środowisko, gdzie kod, wyniki i komentarze tworzą spójną całość. Idealny do:
- Eksploracji nowych zbiorów danych
- Testowania hipotez krok po kroku
- Tworzenia raportów z analizą
Uruchom poleceniem:
jupyter notebookOrganizacja projektu jak profesjonalista
Struktura folderów to różnica między chaosem a kontrolą:
analiza_sklepu_online/
├── data/
│ ├── raw/ # Surowe dane CSV (NIE DOTYKAJ!)
│ └── processed/ # Oczyszczone dane
├── notebooks/ # Eksperymenty i eksploracja
│ ├── 01_wczytywanie_danych.ipynb
│ └── 02_analiza_sprzedazy.ipynb
├── src/ # Kod do wielokrotnego użytku
│ └── funkcje_pomocnicze.py
├── wyniki/ # Wykresy i raporty
└── requirements.txt # Lista pakietówZarządzanie pakietami
conda vs pip - kiedy używać którego?
- conda install pandas - preferowane dla pakietów naukowych
- pip install plotly - gdy pakiet niedostępny w conda
Zapisz środowisko do pliku:
conda env export > environment.ymlOdtwórz środowisko na innym komputerze:
conda env create -f environment.ymlWskazówka: Regularne eksportowanie environment.yml to jak backup projektu. Kolega z zespołu odtworzy identyczne środowisko jedną komendą.
Pierwszy test środowiska
Sprawdźmy, czy wszystko działa:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# Test danych
dane = pd.DataFrame({
'miesiac': ['Styczeń', 'Luty', 'Marzec'],
'sprzedaz': [15000, 18000, 22000]
})
print(dane)Jeśli kod działa bez błędów - gratulacje! Masz gotowe środowisko do analizy danych.
Podsumowanie:
- Anaconda daje kompletne środowisko w 10 minut instalacji
- Środowiska wirtualne zapobiegają konfliktom między projektami
- Uporządkowana struktura folderów oszczędza godziny szukania plików
- Jupyter Notebook łączy kod z dokumentacją w jednym miejscu
W następnej lekcji załadujemy pierwsze dane i sprawdzimy moc Pythona w praktyce!