Python Notebook简介

「爱情、让人受尽委屈。」 2022-07-12 20:10 338阅读 0赞

[windows下面安装和使用Python, IPython NoteBook (详细步骤)][windows_Python_ IPython NoteBook]

### Python Notebook简介1 ###

IPython notebook目前已经成为用Python做教学、计算、科研的一个重要工具。本文介绍IPython notebook的一些基本用法，以及如何使用它调试Cython程序。

IPython Notebook使用浏览器作为界面，向后台的IPython服务器发送请求，并显示结果。在浏览器的界面中使用单元(Cell)保存各种信息。Cell有多种类型，经常使用的有表示格式化文本的Markdown单元，和表示代码的Code单元。

每个代码单元都有一个输出区域，在Code单元中输入代码，按 Shift-Enter 将运行此代码，代码中最后一个表达式的值将输出区域显示。如果希望屏蔽输出，可以在最后一条语句之后添加一个分号：”;”。此外，代码中还可以使用print语句在输出区域中显示信息。

在Markdown单元中还可以直接使用Html和Javascript。

### 数学公式 ###

在Markdown单元中可以使用LaTeX表示数学公式，例如。数学公式的显示使用MathJax，缺省情况下，MathJax从网络上下载，如果希望离线使用它，需要在IPython Notebook中输入如下代码，把MathJax安装到本地磁盘中：

from IPython.external.mathjax import install_mathjax
    install_mathjax()

Code单元的输出也可以显示为数学公式，例如在单元中输入如下代码，将显示为数学公式：

from IPython.display import Latex
    Latex(r"$\sqrt{x^2+y^2}$")

SymPy的表达式也可以显示为LaTex，例如：

%load_ext sympyprinting
    from sympy import *
    x, y = symbols("x,y")
    sqrt(x**2+y**2)

*\* 以%开头的为IPython的命令(Magic Command)，这里通过%load\_ext命令载入sympyprinting扩展插件，载入此插件之后，所有的SymPy表达式都显示为数学公式。\**

### 各种显示 ###

IPython.display模块中提供了许多显示Python返回值的类，例如下面的代码用Image类显示”python.png”图片，缺省路径为Notebook文件所在的目录：

from IPython.display import Image
    Image(filename="python.png")

Image还可以用来显示表示图像的字符串。例如下面的代码通过cv2的imencode()将NumPy数组转换为一个表示PNG图像数据的数组，然后将此数组转换为字符串之后通过Image()将显示为图像：

import cv2
    import numpy as np
    from IPython.display import Image
    img = np.random.randint(0,255,(250,250,3))
    cv2.blur(img, (11,11), img)
    r, dat = cv2.imencode(".png",img)
    Image(dat.tostring())

![这里写图片描述][SouthEast]  
此外，还可以通过HTML和Javascript将Python代码的输出显示为Html，或者作为Javascript运行。

from IPython.display import Javascript
    Javascript("alert('ok')")

将在浏览器中运行Javascript代码。

### Magic命令 ###

IPython中Magic命令有两种执行方式，以%开始的命令被称为行命令，它只对单行有效，以%%开头的为单元命令，它放在单元的第一行，对整个单元有效。例如timeit命令可以快速测试代码的执行效率，它可以作为行命令或者单元命令。

%timeit 1 + 1
    %timeit 1.0 + 1.0
    %timeit "1" + "1"
    10000000 loops, best of 3: 52 ns per loop
    10000000 loops, best of 3: 53.4 ns per loop
    10000000 loops, best of 3: 50.9 ns per loop
    %%timeit
    s = 0
    for i in xrange(100):
        s += i
    100000 loops, best of 3: 11 us per loop

每个Magic命令都可以指定参数，可以输入timeit?查看其帮助文档。下面让我们看看一些常用的Magic命令。

%pylab命令将载入numpy和pylab，并且将这两个模块中的名字载入到全局名字空间中。缺省参数时，它使用matplotlib的缺省界面库显示图表，如果带inline参数则将图表作为图像插入到Notebook中。使用界面库显示图像时可以使用交互工具，而将图表直接插入到Notebook中则有利于编写文档。

下面的例子，plot和random是从pylab和numpy中载入的。

%pylab inline
    plot(random.randn(100));
    Welcome to pylab, a matplotlib-based Python environment [backend: module://IPython.zmq.pylab.backend_inline].
    For more information, type 'help(pylab)'.

![这里写图片描述][SouthEast 1]  
%load可以从文件或者网址载入代码到一个新的单元中，例如下面载入某个matplotlib的示例程序，并执行：

%load http://matplotlib.org/mpl_examples/pylab_examples/histogram_demo.py
    #!/usr/bin/env python
    import numpy as np
    import matplotlib.mlab as mlab
    import matplotlib.pyplot as plt
    
    mu, sigma = 100, 15
    x = mu + sigma*np.random.randn(10000)
    
    # the histogram of the data
    n, bins, patches = plt.hist(x, 50, normed=1, facecolor='green', alpha=0.75)
    
    # add a 'best fit' line
    y = mlab.normpdf( bins, mu, sigma)
    l = plt.plot(bins, y, 'r--', linewidth=1)
    
    plt.xlabel('Smarts')
    plt.ylabel('Probability')
    plt.title(r'$\mathrm{Histogram\ of\ IQ:}\ \mu=100,\ \sigma=15$')
    plt.axis([40, 160, 0, 0.03])
    plt.grid(True)
    
    plt.show()

![这里写图片描述][SouthEast 2]  
%prun用于代码的执行性能分析，可以作为行命令和单元命令使用。下面的程序分析numpy.linalg.det()的性能：

%%prun
    for i in xrange(100): linalg.det(random.rand(10,10))
    其输出如下：
    
    3402 function calls in 0.096 seconds
    
    Ordered by: internal time
    
    ncalls tottime percall cumtime percall filename:lineno(function)
       100    0.032    0.000    0.091    0.001 linalg.py:1560(slogdet)
       300    0.022    0.000    0.022    0.000 {
       method 'reduce' of 'numpy.ufunc' objects}
       200    0.011    0.000    0.012    0.000 numeric.py:167(asarray)
       100    0.006    0.000    0.006    0.000 linalg.py:84(_realType)
       100    0.005    0.000    0.005    0.000 linalg.py:151(_assertRank2)
       ...

%load\_ext载入IPython的扩展模块，通过它可以载入更多的Magic命令。下面我们载入cythonmagic模块，并使用%%cython命令编译一个高效的频率统计函数count()。

%load\_ext cythonmagic  
测试Cython代码  
Cython的代码基本和Python的代码类似，但是可以使用类型声明，Cython可以使用这些类型声明产生更高效的C语言代码，并编译成Python的扩展模块。使用%%cython命令简化了编译扩展模块的过程，它会自动创建C语言程序，编译并载入。由于扩展模块无法卸载，因此IPython采用的策略是每次编译不同的代码都会产生一个全新的扩展模块。方便我们不退出Python环境即可运行新的代码。

%%cython
    def count(list data):
        cdef:
            dict result = {}
            int i, length = len(data)
            object item
    
        for i in range(length):
            item = data[i]
            if item in result:
                (<list> result[item]).append(i)
            else:
                result[item] = [i]
     return result

下面是count()的Python版本。

from collections import defaultdict
    def countpy(data):
        result = defaultdict(list)
        for i,item in enumerate(data):
            result[item].append(i)
        return result

先测试二者的结果是否相同：

import random
    data = [random.randint(0,100) for _ in xrange(10000)]
    count(data) == countpy(data)
    True

然后测试它们的执行速度，可以看出Cython版本比Python的要快2倍多。在这个测试中，Cython程序也同样使用列表和字典等对象，但是由于可以直接调用Python的C API，因此Cython版本的效率能提高几倍。如果只是单纯的数值运算，Cython能将程序提升到与C语言相近的速度。

%timeit countpy(data)
    %timeit count(data)
    100 loops, best of 3: 4.52 ms per loop
    1000 loops, best of 3: 1.8 ms per loop

[windows_Python_ IPython NoteBook]: http://blog.csdn.net/hmy1106/article/details/45151755
[SouthEast]: /images/20220713/04efecd58c764e38910a99f665e7d094.png
[SouthEast 1]: /images/20220713/5d77443cc4f2474191b9f4f289ae40b7.png
[SouthEast 2]: /images/20220713/947a57334ce64c6097e951e04cc47191.png