Jupternotebook介绍
2018-11-09 本文已影响0人
__method__
Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍
简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。
介绍jupter notebook 的界面 file run cluster
1介绍runcell
Markdown 语法格式 http://www.yaosansi.com/post/markdown-on-github/ 并举例子
1+1
2
- 下面这个例子range里数字改一下运行
for _ in range(4):
print('Hello ! 让我一起来数据分析吧')
Hello ! 让我一起来数据分析吧
Hello ! 让我一起来数据分析吧
Hello ! 让我一起来数据分析吧
Hello ! 让我一起来数据分析吧
5+2
7
2 通过快捷键来运行
- help 下的keyboard shortcut
- run cell, select below // shift + enter
5 + 5*2
15
- run selected cells // control + enter
9 + 9
18
- run cell and insert below // option +enter
VIEW ---> toggle TOOLBAR 和 toggle header 隐藏 toggle line_number 显示行数
in 和 out 代表运行的顺序
3 插入单元格
下面插入是 B 上面是A 单元格绿色是 输入 蓝色是非编辑
markdown 的快捷键是 M
Y是变成代码状态
jp notebook的优点 存储我们之前代码写的变量 然后以交互的形式进行展现
🌰
data = [i*2 for i in range(100)]
len(data)
100
data[:10]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
- data 一直在内存中 我们要加载一个很大的数据,只需要一个加载一次就可以
- 在前面可以使用未声明的变量 (特点) data[-1] 插入到上面的某一行演示
Kernel 有重启运行 重新运行上面的会报错
Jupyter NOTEBOOK高级 :魔法命令
%run 后面跟一个地址
- 调用自己写的代码 比如用pycharm 写的
def hello(name):
print('Hello', name, '!')
hello("Liyan")
%run myscript/hello.py
Hello Liyan !
hello('刘强东')
Hello 刘强东 !
- 加载模块
def predict(x):
print('听说班长今晚请吃饭')
import mymodule.FirstDemo
mymodule.FirstDemo.predict('x')
听说班长今晚请吃饭
from mymodule import FirstDemo as fd
fd.predict(1)
听说班长今晚请吃饭
- 函数的注释
print?
print??
%timeit测试时间
%timeit 只能接一句话
- 执行了1000次 由jupterNotebook 决定次数
%timeit L = [i**2 for i in range(1000)]
298 µs ± 6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
时间复杂度 O(n) 级别 线性的
# 循环多少次是由Jupter Notebook决定的。这里只运行了一次。
%timeit L = [i**2 for i in range(1000000)]
314 ms ± 7.48 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit L = [i**2 for i in range(10)]
3.18 µs ± 88.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
- 接多行的写法
度量这个单元格内整理所消耗的时间
%%timeit
L = []
for n in range(1000):
L.append(n ** 2)
344 µs ± 6.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
列表生成式要比 for循环快
%time
%time L = [i**2 for i in range(1000)]
CPU times: user 392 µs, sys: 1 µs, total: 393 µs
Wall time: 397 µs
cpu时间 usertime systime totaltime walltime是人类真正感知到的时间 多线程 cpu < wall
比上面的时间长是因为之前的是去7次最快的 跟当前操作系统的调度任务有关系
%%time 区域
区域化测试执行一次代码的时间
%%time
L = []
for n in range(1000):
L.append(n ** 2)
CPU times: user 427 µs, sys: 12 µs, total: 439 µs
Wall time: 462 µs
陷阱
import random
L = [random.random() for i in range(100000)]
%timeit L.sort()
1.63 ms ± 30.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
L = [random.random() for i in range(100000)]
%time L.sort()
CPU times: user 32.7 ms, sys: 582 µs, total: 33.2 ms
Wall time: 33.2 ms
%time L.sort()
CPU times: user 2.03 ms, sys: 0 ns, total: 2.03 ms
Wall time: 2.04 ms
为什么会产生这么大的差距呢 python对已经排好序的有优化 乱序的数组有相应复杂的操作
三路快排算法 归并排序算法 加入优化算法以后 对于已经有序的数组的是 O(n) 对于乱序是On (log n)
其他魔法命令
%lsmagic
Available line magics:
%alias %alias_magic %autocall %automagic %autosave %bookmark %cat %cd %clear %colors %config %connect_info %cp %debug %dhist %dirs %doctest_mode %ed %edit %env %gui %hist %history %killbgscripts %ldir %less %lf %lk %ll %load %load_ext %loadpy %logoff %logon %logstart %logstate %logstop %ls %lsmagic %lx %macro %magic %man %matplotlib %mkdir %more %mv %notebook %page %pastebin %pdb %pdef %pdoc %pfile %pinfo %pinfo2 %popd %pprint %precision %profile %prun %psearch %psource %pushd %pwd %pycat %pylab %qtconsole %quickref %recall %rehashx %reload_ext %rep %rerun %reset %reset_selective %rm %rmdir %run %save %sc %set_env %store %sx %system %tb %time %timeit %unalias %unload_ext %who %who_ls %whos %xdel %xmode
Available cell magics:
%%! %%HTML %%SVG %%bash %%capture %%debug %%file %%html %%javascript %%js %%latex %%markdown %%perl %%prun %%pypy %%python %%python2 %%python3 %%ruby %%script %%sh %%svg %%sx %%system %%time %%timeit %%writefile
Automagic is ON, % prefix IS NOT needed for line magics.
魔法命令的详细描述
%run?
%pwd
'/Users/ericli/Desktop/JupyterBase'
%matplotlib
Using matplotlib backend: MacOSX
很重要 有可能图不会出现或者无法控制绘画
Unix shell命令
!ls
01Jupyter_NoteBook使用方法.ipynb obj_2.ipynb
