Python编程神器Jupyter Notebook使用的28个秘诀(1)

由于Jupyter是基于IPython内核的，所以Jupyter可以使用IPython内核中的Magics命令。

可以使用%lsmagic查看所有的magic命令。

• %env，设置环境变量

你可以管理notebook的环境变量，而无需重新启动Jupyter服务器进程。有些库(比如theano)使用环境变量来控制行为，%env是最方便的方法。

Running %env without any arguments

lists all environment variables

The line below sets the environment

variable

%env OMP_NUM_THREADS%env OMP_NUM_THREADS=4

output

env: OMP_NUM_THREADS=4

• %run，执行python代码

有时候你有一份已经写好的*.py文件，你可以在Jupyter中执行它。

this will execute and show the output from

all code cells of the specified notebook

%run ./two-histograms.ipynb

• %load，导入外部脚本。

有时候你想运行一个外部脚本，但是想用Jupyter加一些代码，那么你可以先把它load进Jupyter。

你有一个hello_world.py文件

内容是if name == “main”: print(“Hello World!”)

在Jupyter中先用%load载入

%load ./hello_world.py

运行%load ./hello_world.py命令后，在你的cell中就出现以下几行代码（你执行的%run语句会显示已经注释）

%load ./hello_world.py

if name == “main”:

print(“Hello World!”)

• %store，在notebook之间传递变量。

在notebook A 中

data = ‘this is the string I want to pass to different notebook’

%store data

del data # This has deleted the variable

在notebook B 中

%store -r data

print(data) # 显示this is the string I want to pass to different notebook

• %who，显示所有的变量

某个cell中有以下四行代码

one = “for the money”

two = “for the show”

three = “to get ready now go cat go”

%who str

输出为

one three two

• %%time和%timeit

%%time将提供代码单次运行的信息，%%timeit将默认运行你的代码100,000次，提供最快运行三次的平均结果。

• %%writefile和pycat，导出单元格的内容/显示外部脚本的内容

%%writefile保存cell内容到外部文件。%pycat正好相反。

• %prun，显示程序中每个函数的调用信息

• %pdb，代码调试

• 为视网膜(Retina)屏输出高分辨率图像

常规图像

x = range(1000)

y = [i ** 2 for i in x]

plt.plot(x,y)

plt.show();

视网膜(Retina)图像

%config InlineBackend.figure_format =‘retina’

plt.plot(x,y)

plt.show();

16.在函数末尾加入分号可以抑制输出

在函数末尾加分号可以抑制函数的输出。

17.执行shell命令

在shell命令前面加

一些例子

!ls *.csv

!pip install numpy

!pip list | grep pandas

18.在markdown cell 中书写LaTeX时，它会被 MathJax 渲染成一个公式

19.在一个notebook中运行多种kernel的代码

如果想要的话，你可以在一个notebook中运行多种kernel的代码

在每个cell的开头使用相关的魔法命令来声明你想使用的 kernel。

支持：%%bash, %%HTML, %%python2, %%python3, %%ruby, %%perl

%%bash

for i in {1…5}

do

echo “i is $i”

done

20.为Jupyter安装其他的kernel

Jupyter其实不止可以用于python编程，安装一个R内核它就可以用于R语言编程。

通过Anaconda安装

conda install -c r r-essentials

手动安装

你需要先从https://cloud.r-project.org下载安装R

然后在R控制台下运行以下代码

install.packages(c(‘repr’, ‘IRdisplay’, ‘crayon’, ‘pbdZMQ’, ‘devtools’))

devtools::install_github(‘IRkernel/IRkernel’)

IRkernel::installspec() # to register the kernel in the current R installation

21.在同一个notebook中运行R和Python

你可以安装rpy2用pip install rpy2

%load_ext rpy2.ipython

%R require(ggplot2)

array([1], dtype=int32)

import pandas as pd

df = pd.DataFrame({

‘Letter’: [‘a’, ‘a’, ‘a’, ‘b’, ‘b’, ‘b’, ‘c’, ‘c’, ‘c’],

‘X’: [4, 3, 5, 2, 1, 7, 7, 5, 9],

‘Y’: [0, 4, 3, 6, 7, 10, 11, 9, 13],

‘Z’: [1, 2, 3, 1, 2, 3, 1, 2, 3]

})

%%R -i df

ggplot(data = df) + geom_point(aes(x = X, y= Y, color = Letter, size = Z))

22.用其他语言来写函数

有时numpy的速度不够快，我需要写一些快速的代码。

原则上，可以在动态库中编译函数并编写python包装器…

但是把这个无聊的部分做完会更好，对吧?

您可以用cython或fortran编写函数，并直接从python代码中使用这些函数。

首先你需要安装cython：

!pip install cython fortran-magic

%load_ext Cython

%%cython

def myltiply_by_2(float x):

return 2.0 * x

myltiply_by_2(23.)

就个人而言我建议使用fortran：

%load_ext fortranmagic

%%fortran

subroutine compute_fortran(x, y, z)

real, intent(in) :: x(😃, y(😃

real, intent(out) :: z(size(x, 1))

z = sin(x + y)

end subroutine compute_fortran

compute_fortran([1, 2, 3], [4, 5, 6])

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！