27个Jupyter Notebook小提示与技巧

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/