1. Jupyter Notebook可能是当今最常用的数据科学工具

写Python代码很多人会告诉你要用Pycharm,但那是开发Python项目用的, 那种由成百上千个文件组成、包含数万行代码的项目必须要很专业的复杂工具才行。

但如果你的目的是数据分析、算法研究等方面的工作,那么Jupyter Notebook 最适合你,因为它足够简单,让你可以专注于数据和算法的逻辑而不是工具,类似于MATLAB。

Jupyter Notebooks 是什么?

Jupyter Notebooks 是一款开源的网络应用,我们可以将其用于创建和共享代码与文档。

其提供了一个环境,你无需离开这个环境,就可以在其中编写你的代码、运行代码、查看输出、可视化数据并查看结果。因此,这是一款可执行端到端的数据科学工作流程的便捷工具,其中包括数据清理、统计建模、构建和训练机器学习模型、可视化数据等等。

当你还处于原型开发阶段时,Jupyter Notebooks 的作用更是引人注目。这是因为你的代码是按独立单元的形式编写的,而且这些单元是独立执行的。这让用户可以测试一个项目中的特定代码块,而无需从项目开始处执行代码。很多其它 IDE 环境(比如 RStudio)也有其它几种方式能做到这一点,但我个人觉得 Jupyter 的单个单元结构是最好的。

2. 快捷键汇总 (编辑模式)

Ctrl-Enter :执行当前单元代码

Shift+Enter:执行单元代码,快速运行并输出结果,并跳转到下一个单元。

Alt+Enter:不止会运行你的单元块,还会插入新的一行

Shift+Tab键:显示函数说明,连着按两次显示详细说明

Ctrl + S 保存进度

Esc : 离开编辑模式,进入命令模式,命令模式也有很多快捷键

3. 代码自动完成

在代码顶部添加%config IPCompleter.greedy=True这一行并且shift+回车运行,对于接下来运行过的内容都会被列入自动提示中。

按Tab键弹出自动提示

如下图,输入my然后按Tab键就弹出上面自定义的两个变量名,然后按回车直接输入mflow,按向下箭头键再回车就输入mytensor

帮助查询键

Python中有庞大的第三方包,而每个包中又包含很多功能性的函数,在使用这些函数时,往往会忘记函数内参数的具体用法,此时可以在函数后面按入Shift+Tab组合键,查看对应的帮助文档,而且还可以多按几次“Tab”键,返回不同风格的帮助文档。

jupyter notebook数据分析怎么用 jupyter处理数据_帮助文档