Python编程神器Jupyter Notebook使用的28个秘诀

本文链接：https://blog.csdn.net/m0_61549740/article/details/137659991

from IPython.core.interactiveshell import InteractiveShell

InteractiveShell.ast_node_interactivity = “all”

from pydataset import data

quakes = data(‘quakes’)

quakes.head()

quakes.tail()

输出的效果是将head和tail都输出，而不是只有tail输出

如果你希望所有Jupyter 的cell都这样输出，创建一个文件~/.ipython/profile_default/ipython_config.py并输入以下代码：

c = get_config()

Run all nodes interactively

c.InteractiveShell.ast_node_interactivity = “all”

3.快速链接文档

你可以在Help菜单中看到一些常用库，如NumPy, Pandas, SciPy and Matplotlib的文档。不过你还可以在方法前面加?来查看对应的文档。

执行下面这行代码在Jupyter Notebkook中

?str.replace()

将显示文档

Docstring:

S.replace(old, new[, count]) -> str

Return a copy of S with all occurrences of substringold replaced by new. If the optional argument count isgiven, only the first count occurrences are replaced.

Type: method_descriptor

4.在notebooks中绘图

常用的绘图库包括：matplotlib, Seaborn, mpld3, bokeh, plot.ly, Altair

5-15.魔法命令

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}

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)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

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，都欢迎扫码加入我们的的圈子（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！

永久激活/翻译插件