Jupyter的安装和启动

  • Jupyter官网：http://jupyter.org/
  • 安装：$ pip3 install jupyter
  • 启动：$ jupyter notebook

Jupyter的一些注意事项和常用快捷键

1 ) 注意事项

  • 代码执行顺序：注意到左侧的 In [1] 这种，[]中的是执行顺序
  • 它不一定是从上往下执行的
  • 尽量避免执行顺序和从上到下的次序不一致，以免再次加载(Restart & Run All)出现报错
  • 在Jupyter中不需要使用输出命令，直接写变量名即可输出，非常方便

2 ） 常用快捷键

  • 快速输出运行结果：比如，代码内容为：1 + 1，按 Ctrl + Enter 即可快速执行 得到结果 2
  • 执行当前单元格并插入新的单元格：按 Shift + Enter
  • 如果后面有单元格，则只会执行代码，而不会插入
  • 如果确实想新增一个单元格，则使用 Alt + Enter
  • 当前选中的格子会有高亮标注，按Esc则到了命令模式，类似vi编辑器，可以使用键盘来移动光标
  • 如果删除格子，则按dd即可

Jupyter中的魔法命令

  • 高级用法即魔法命令
  • %run
  • 在单元格中书写代码 $ $run x.py, 则执行当前脚本x
  • %load
  • 读取文件中的代码 $ %load y.py, 相当于复制y脚本中的内容到notebook中
  • 除了这种，还可以直接使用 import 来直接导入模块, 如：
  • $ from demo/z import show , 注意这里show是z模块中的一个方法
  • $ show('x')
  • 注意这里import对于已经导入的文件不会二次导入，修改z中的show方法不会影响当前notebook中的状态
  • 如果需要动态的执行，可以使用 $ %run demo/z.py, $ show('x'), 这里的show不管何时修改，可以被动态的读取
  • %timeit
  • 用于测量代码块的执行时间
  • 代码块：li = [i**2 for i in range(1000)] 这里有个循环
  • 我们开始进行测量：%timeit li = [i**2 for i in range(1000)] 会输出测量结果
  • 注意，这里如果循环次数少，notebook 尽可能测量准确，会将代码执行多次来取平均数来获得平均执行时间
  • 当循环次数过多，则会适当减少次数
  • %%timeit
  • 用于测试代码块的执行时间，如：
%%timeit
li = []
for i in range(1000):
    li.append(i ** 2)

经过测试，可知用列表表达式比for循环有更好的性能表现

  • %time
  • 不循环多次取平均值测量，仅一次粗略的估计执行时间
  • %time li = [i**2 for i in range(1000)]
  • 重复执行，则会有不同结果
  • 不准的原因是：受当前Cpu执行任务与时钟调度等影响
  • %%time
  • 执行代码块的时间测试，同 %%timeit, 不再举例
  • 在机器学习算法测试的时候，经常要测试某个算法的执行时间，time 和 timeit 的魔法命令会经常用到
  • %%html
  • 显示html代码, 在notebook中做出绚丽的效果
%%html
<div id='test' style='color:red'>html test</div>
  • %%js
  • 用于在notebook中执行js代码的
%%js
document.querySelector('#test').innerHTML = 'test2'
  • !
  • 用于执行系统命令，并且拿到执行结果 !dir 等
  • %%writefile
  • 将当前代码写入本地文件
%%writefile 'test.py'
import random
li = [random.random() for i in range(1000)]
  • 查看本地文件，则多了一个test.py