27个Jupyter Notebook小提示与技巧
Keyboard Shortcuts
Pretty Display of Varibles
16. Executing Shell Commands
在 notebook 中执行 shell 命令非常容易,你可以像下面这样列出当前目录下的文件:
!ls
JupyterNotebookTips.ipynb LinearRegression.ipynb JupyterNotebookTips.ipynb-meta LinearRegression.ipynb-meta
18. Run code from a different kernel in a notebooks
如果想要的话,你可以将多个 kernel 的代码组合到一个 notebook 中。
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:
-
%%bash
-
%%HTML
-
%%python2
-
%%python3
-
%%ruby
-
%%perl
19. Install other kernels for Jupyter
Jupyter 其中的一个重要特色就是能够运行不同语言,你只需安装相关的 kernel 即可。比如,下面的例子是如何安装 R kernel.
快捷选择:使用anaconda安装 R kernel
如果你使用 anaconda 安装你的环境,这会相当简单。你只需要在 terminal 中运行下面的命令:
conda install -c r r-essentials
不那么快捷的方式:手动安装 R kernel
如果你不是使用 anaconda, 这个过程可能稍显复杂。如果你还没有安装的话, 你需要从 CRAN安装。(译者: 也可使用 brew cask install r-gui
)
安装 R 完毕后,打开 R console 并运行如下命令:
install.packages(c('repr', 'IRdisplay', 'crayon', 'pbdZMQ', 'devtools'))
devtools::install_github('IRkernel/IRkernel')
IRkernel::installspec() # to register the kernel in the current R installation
20. Running R and Python in the same notebook
对于此最好的解决方案是安装 rpy2(需要安装一个可以工作的 R ), 通过 pip 可以很容易安装:
pip install rpy2
你可以同时使用这两种语言,甚至在它们之间传递变量:
一个很好的示例 Revolutions Blog
21. Writing functions in other languages
有时候 numpy 的速度仍旧不够快,我们需要自己写一些更快的代码。
原则上,你可以以动态链接库的方式编译函数,然后用 python 进行包装。
不过如果有人能够帮你完成这部分烦人的工作是不是非常棒呢?
你可以用 cython 或 fortran 写函数并直接从 Python 代码进行调用。
首先你需要安装:
pip install cython fortran-magic
个人来说我更喜欢使用 fortran, 我发现它对数值统计函数十分方便。更多用法上的细节可以在这里找到.
也有一些其他方式可以加速你的Python代码。更多示例可以在这里找到/