如何在Ubuntu中利用Python进行数据分析

在 Ubuntu 上搞数据分析，Python 几乎是绕不开的选择。不少新手一开始会觉得环境配置有点麻烦，其实抓准几个关键步骤就行。今天就把这套流程拆开来聊聊，算是一份顺手就能用的参考。

先看第一步：确认 Python 环境。Ubuntu 默认是带 Python 的，打开终端敲个 python3 --version 就能看到版本号。如果提示没有，或者版本太老，一个 sudo apt update && sudo apt install python3 就搞定了。很多老机器上可能同时有 Python 2 和 3，记得优先用 python3，毕竟 2 已经彻底退休了。

接下来装库。数据分析常用的是 NumPy、Pandas、Matplotlib、SciPy 这四件套，一句 pip 命令就能一次性拿下：

pip3 install numpy pandas matplotlib scipy

如果更喜欢交互式环境，Jupyter Notebook 是绝配。装上以后，在终端输入 jupyter notebook，浏览器会自动弹出一个工作台，代码、注释、图表都能写在一个 .ipynb 文件里，分享和复现都极其方便。

那具体怎么分析数据呢？最常见的场景是读一个 CSV 文件。导入 Pandas 后，df = pd.read_csv('data.csv')，然后 df.head() 看前几行，df.describe() 看统计摘要，几步就能摸清数据的基本面貌。可视化方面，Matplotlib 配合 Seaborn 画几根柱状图，核心结论一目了然。举个简单例子：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.read_csv('data.csv')
sns.set(style="whitegrid")
sns.barplot(x='category', y='value', data=df)
plt.show()

分析做完后，别忘了保存成果。Jupyter 可以直接导出成 HTML 或 PDF，发给同事或者贴在文档里都行。要是手边有多个项目，依赖库版本可能打架，这时候虚拟环境就派上用场了。创建命令 python3 -m venv myenv，激活用 source myenv/bin/activate，退出用 deactivate。每个项目各玩各的，互不干扰。

说到底，Ubuntu 上搭 Python 分析环境并不复杂，关键是把上面的流程走一遍，后面再遇到具体问题就知道去哪里查了。从安装到可视化，再到环境隔离，这一套下来基本够应付大多数日常分析任务了。当然，实际工作中还会遇到缺库、权限、编码等问题，但有了基础框架，这些都能逐个解决。