Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Jupyter Notebook的27个窍门,技巧和快捷键

Jupyter Notebook的27个窍门,技巧和快捷键

作者头像
大数据文摘
发布于 2018-05-25 04:36:58
发布于 2018-05-25 04:36:58
5.5K00
代码可运行
举报
文章被收录于专栏:大数据文摘大数据文摘
运行总次数:0
代码可运行

翻译|姜范波 校对|毛丽 & 寒小阳

Jupyther notebook ,也就是一般说的 Ipython notebook,是一个可以把代码、图像、注释、公式和作图集于一处,从而实现可读性分析的一种灵活的工具。

Jupyter延伸性很好,支持多种编程语言,可以很轻松地安装在个人电脑或者任何服务器上——只要有ssh或者http接入就可以啦。最棒的一点是,它完全免费哦。

Jupyter 界面

默认情况下,Jupyter Notebook 使用Python内核,这就是为什么它原名 IPython Notebook。Jupyter notebook是Jupyter项目的产物——Jupyter这个名字是它要服务的三种语言的缩写:Julia,PYThon和R,这个名字与“木星(jupiter)”谐音。本文将介绍27个轻松使用Jupyter的小窍门和技巧。

◆ ◆ ◆

1.快捷键

高手们都知道,快捷键可以节省很多时间。Jupyter在顶部菜单提供了一个快捷键列表:Help > Keyboard Shortcuts 。每次更新Jupyter的时候,一定要看看这个列表,因为不断地有新的快捷键加进来。另外一个方法是使用Cmd + Shift + P ( Linux 和 Windows下 Ctrl + Shift + P亦可)调出命令面板。这个对话框可以让你通过名称来运行任何命令——当你不知道某个操作的快捷键,或者那个操作没有快捷键的时候尤其有用。这个功能与苹果电脑上的Spotlight搜索很像,一旦开始使用,你会欲罢不能。

几个我的最爱:

  • Esc + F 在代码中查找、替换,忽略输出。
  • Esc + O 在cell和输出结果间切换。
  • 选择多个cell:
    • Shift + J 或 Shift + Down 选择下一个cell。
    • Shift + K 或 Shift + Up 选择上一个cell。
    • 一旦选定cell,可以批量删除/拷贝/剪切/粘贴/运行。当你需要移动notebook的一部分时这个很有用。
  • Shift + M 合并cell.

◆ ◆ ◆

2.变量的完美显示

有一点已经众所周知。把变量名称或没有定义输出结果的语句放在cell的最后一行,无需print语句,Jupyter也会显示变量值。当使用Pandas DataFrames时这一点尤其有用,因为输出结果为整齐的表格。

鲜为人知的是,你可以通过修改内核选项ast_note_interactivity,使得Jupyter对独占一行的所有变量或者语句都自动显示,这样你就可以马上看到多个语句的运行结果了。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [1]: from IPython.core.interactiveshell import InteractiveShell        InteractiveShell.ast_node_interactivity = "all"In [2]: from pydataset import data        quakes = data('quakes')        quakes.head()        quakes.tail()Out[2]:        lat long    depth   mag stations        1   -20.42  181.62  562 4.8 41        2   -20.62  181.03  650 4.2 15        3   -26.00  184.10  42  5.4 43        4   -17.97  181.66  626 4.1 19        5   -20.42  181.96  649 4.0 11Out[2]:        lat long    depth   mag stations        996 -25.93  179.54  470 4.4 22        997 -12.28  167.06  248 4.7 35        998 -20.13  184.20  244 4.5 34        999 -17.40  187.80  40  4.5 14        1000    -21.59  170.56  165 6.0 119

如果你想在各种情形下(Notebook和Console)Jupyter都同样处理,用下面的几行简单的命令创建文件~/.ipython/profile_default/ipython_config.py即可实现:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
c = get_config()# Run all nodes interactivelyc.InteractiveShell.ast_node_interactivity = "all"

◆ ◆ ◆

3.轻松链接到文档

在Help 菜单下,你可以找到常见库的在线文档链接,包括Numpy,Pandas,Scipy和Matplotlib等。

另外,在库、方法或变量的前面打上?,即可打开相关语法的帮助文档。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [3]: ?str.replace()

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
        Docstring:
        S.replace(old, new[, count]) -> str

        Return a copy of S with all occurrences of substring
        old replaced by new.  If the optional argument count is
        given, only the first count occurrences are replaced.
        Type:      method_descriptor

◆ ◆ ◆

4.在notebok里作图

在notebook里作图,有多个选择:

- matplotlib (事实标准)(http://matplotlib.org/),可通过%matplotlib inline 激活,(https://www.dataquest.io/blog/matplotlib-tutorial/) - %matplotlib notebook 提供交互性操作,但可能会有点慢,因为响应是在服务器端完成的。 - mpld3(https://github.com/mpld3/mpld3) 提供matplotlib代码的替代性呈现(通过d3),虽然不完整,但很好。 - bokeh(http://bokeh.pydata.org/en/latest/) 生成可交互图像的更好选择。 - plot.ly(https://plot.ly/) 可以生成非常好的图,可惜是付费服务。

◆ ◆ ◆

5.Jupyter Magic命令

上文提到的%matplotlib inline 是Jupyter Magic命令之一。

推荐阅读Jupyter magic命令的相关文档

(http://ipython.readthedocs.io/en/stable/interactive/magics.html),它一定会对你很有帮助。下面是我最爱的几个:

◆ ◆ ◆

6.Jupyter Magic-%env:设置环境变量

不必重启jupyter服务器进程,也可以管理notebook的环境变量。有的库(比如theano)使用环境变量来控制其行为,%env是最方便的途径。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [55]:    # Running %env without any arguments
            # lists all environment variables

            # The line below sets the environment
            # variable OMP_NUM_THREADS
            %env OMP_NUM_THREADS=4

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
            env: OMP_NUM_THREADS=4

◆ ◆ ◆

7.Jupyter Magic-%run:运行python代码

%run 可以运行.py格式的python代码——这是众所周知的。不那么为人知晓的事实是它也可以运行其它的jupyter notebook文件,这一点很有用。

注意:使用%run 与导入一个python模块是不同的。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [56]:    # this will execute and show the output from
            # all code cells of the specified notebook
            %run ./two-histograms.ipynb

◆ ◆ ◆

8.Jupyter Magic-%load:从外部脚本中插入代码

该操作用外部脚本替换当前cell。可以使用你的电脑中的一个文件作为来源,也可以使用URL。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [ ]:     # Before Running
            %load ./hello_world.py
In [61]:    # After Running
            # %load ./hello_world.py
            if __name__ == "__main__":
                print("Hello World!")

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
            Hello World!

◆ ◆ ◆

9.Jupyter Magic-%store:在notebook文件之间传递变量

%store 命令可以在两个notebook文件之间传递变量。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [62]:    data = 'this is the string I want to pass to different notebook'
            %store data
            del data # This has deleted the variable

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
            Stored 'data' (str)

现在,在一个新的notebook文档里……

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [1]: %store -r data
        print(data)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
        this is the string I want to pass to different notebook

◆ ◆ ◆

10.Jupyter Magic-%who:列出所有的全局变量

不加任何参数, %who 命令可以列出所有的全局变量。加上参数 str 将只列出字符串型的全局变量。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [1]: one = "for the money"
        two = "for the show"
        three = "to get ready now go cat go" 
        %who str

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
        one  three   two    

◆ ◆ ◆

11.Jupyter Magic-计时

有两种用于计时的jupyter magic命令: %%time 和 %timeit.当你有一些很耗时的代码,想要查清楚问题出在哪时,这两个命令非常给力。

仔细体会下我的描述哦。

%%time 会告诉你cell内代码的单次运行时间信息。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [4]: %%time
        import time
        for _ in range(1000):
            time.sleep(0.01)# sleep for 0.01 seconds

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
        CPU times: user 21.5 ms, sys: 14.8 ms, total: 36.3 ms
        Wall time: 11.6 s

%%timeit 使用了Python的 timeit 模块,该模块运行某语句100,000次(默认值),然后提供最快的3次的平均值作为结果。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [3]: import numpy
        %timeit numpy.random.normal(size=100)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
        The slowest run took 7.29 times longer than the fastest. This could mean that an intermediate result is being cached.
        100000 loops, best of 3: 5.5 µs per loop

◆ ◆ ◆

12.Jupyter Magic-writefile and %pycat:导出cell内容/显示外部脚本的内容

使用%%writefile magic可以保存cell的内容到外部文件。 而%pycat功能相反,把外部文件语法高亮显示(以弹出窗方式)。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [7]: %%writefile pythoncode.py

        import numpy
        def append_if_not_exists(arr, x):
            if x not in arr:
                arr.append(x)

        def some_useless_slow_function():
            arr = list()
            for i in range(10000):
                x = numpy.random.randint(0, 10000)
                append_if_not_exists(arr, x)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
        Writing pythoncode.py

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [8]: %pycat pythoncode.py

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
        import numpy
        def append_if_not_exists(arr, x):
            if x not in arr:
                arr.append(x)

        def some_useless_slow_function():
            arr = list()
            for i in range(10000):
                x = numpy.random.randint(0, 10000)
                append_if_not_exists(arr, x)

◆ ◆ ◆

13.Jupyter Magic-%prun:告诉你程序中每个函数消耗的时间

使用%prun+函数声明会给你一个按顺序排列的表格,显示每个内部函数的耗时情况,每次调用函数的耗时情况,以及累计耗时。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [47]:    %prun some_useless_slow_function()

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
         26324 function calls in 0.556 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
    10000    0.527    0.000    0.528    0.000 <ipython-input-46-b52343f1a2d5>:2(append_if_not_exists)
    10000    0.022    0.000    0.022    0.000 {method 'randint' of 'mtrand.RandomState' objects}
        1    0.006    0.006    0.556    0.556 <ipython-input-46-b52343f1a2d5>:6(some_useless_slow_function)
     6320    0.001    0.000    0.001    0.000 {method 'append' of 'list' objects}
        1    0.000    0.000    0.556    0.556 <string>:1(<module>)
        1    0.000    0.000    0.556    0.556 {built-in method exec}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

◆ ◆ ◆

14.Jupyter Magic-用%pdb调试程序

Jupyter 有自己的调试界面The Python Debugger (pdb)(https://docs.python.org/3.5/library/pdb.html),使得进入函数内部检查错误成为可能。

Pdb中可使用的命令见链接(https://docs.python.org/3.5/library/pdb.html#debugger-commands)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [ ]: %pdb

        def pick_and_take():
            picked = numpy.random.randint(0, 1000)
            raise NotImplementedError()

        pick_and_take()
        Automatic pdb calling has been turned ON
        ---------------------------------------------------------------------------
        NotImplementedError                       Traceback (most recent call last)
        <ipython-input-24-0f6b26649b2e> in <module>()
              5     raise NotImplementedError()
              6 
        ----> 7 pick_and_take()

        <ipython-input-24-0f6b26649b2e> in pick_and_take()
              3 def pick_and_take():
              4     picked = numpy.random.randint(0, 1000)
        ----> 5     raise NotImplementedError()
              6 
              7 pick_and_take()

        NotImplementedError: 
        > <ipython-input-24-0f6b26649b2e>(5)pick_and_take()
              3 def pick_and_take():
              4     picked = numpy.random.randint(0, 1000)
        ----> 5     raise NotImplementedError()
              6 
              7 pick_and_take()

        ipdb> 

◆ ◆ ◆

15.末句函数不输出

有时候不让末句的函数输出结果比较方便,比如在作图的时候,此时,只需在该函数末尾加上一个分号即可。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [4]: %matplotlib inline
        from matplotlib import pyplot as plt
        import numpy
        x = numpy.linspace(0, 1, 1000)**1.5
In [5]: # Here you get the output of the function
        plt.hist(x)
Out[5]:
        (array([ 216.,  126.,  106.,   95.,   87.,   81.,   77.,   73.,   71.,   68.]),
         array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9,  1. ]),
         <a list of 10 Patch objects>)
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [6]: # By adding a semicolon at the end, the output is suppressed.
        plt.hist(x);

◆ ◆ ◆

16.运行Shell命令

在notebook内部运行shell命令很简单,这样你就可以看到你的工作文件夹里有哪些数据集。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [7]: !ls *.csv

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
nba_2016.csv             titanic.csv
pixar_movies.csv         whitehouse_employees.csv

◆ ◆ ◆

17.用LaTex写公式

当你在一个Markdown单元格里写LaTex时,它将用MathJax呈现公式:如

$$ P(A \mid B) = \frac{P(B \mid A) , P(A)}{P(B)} $$

会变成

◆ ◆ ◆

18.在notebook内用不同的内核运行代码

如果你想要,其实可以把不同内核的代码结合到一个notebook里运行。

只需在每个单元格的起始,用Jupyter magics调用kernal的名称:

  • %%bash
  • %%HTML
  • %%python2
  • %%python3
  • %%ruby
  • %%perl In [6]: %%bash for i in {1..5} do echo "i is $i" done

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
            i is 1
            i is 2
            i is 3
            i is 4
            i is 5

◆ ◆ ◆

19.给Jupyter安装其他的内核

Jupyter的优良性能之一是可以运行不同语言的内核。下面以运行R内核为例说明:

简单的方法:通过Anaconda安装R内核

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
conda install -c r r-essentials

稍微麻烦的方法:手动安装R内核

如果你不是用Anaconda,过程会有点复杂,首先,你需要从CRAN安装R。

之后,启动R控制台,运行下面的语句:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
install.packages(c('repr', 'IRdisplay', 'crayon', 'pbdZMQ', 'devtools'))
devtools::install_github('IRkernel/IRkernel')
IRkernel::installspec()  # to register the kernel in the current R installation

◆ ◆ ◆

20.在同一个notebook里运行R和Python

要这么做,最好的方法事安装rpy2(需要一个可以工作的R),用pip操作很简单:

pip install rpy2

然后,就可以同时使用两种语言了,甚至变量也可以在二者之间公用:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [1]: %load_ext rpy2.ipython
In [2]: %R require(ggplot2)
Out[2]: array([1], dtype=int32)
In [3]: 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]
            })
In [4]: %%R -i df
        ggplot(data = df) + geom_point(aes(x = X, y= Y, color = Letter, size = Z))

◆ ◆ ◆

21.用其他语言写函数

有时候numpy的速度有点慢,我想写一些更快的代码。

原则上,你可以在动态库里编译函数,用python来封装…

但是如果这个无聊的过程不用自己干,岂不更好?

你可以在cython或fortran里写函数,然后在python代码里直接调用。

首先,你要先安装:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
!pip install cython fortran-magic 


In [ ]: %load_ext Cython
In [ ]: %%cython
        def myltiply_by_2(float x):
            return 2.0 * x
In [ ]: myltiply_by_2(23.)

我个人比较喜欢用Fortran,它在写数值计算函数时十分方便。更多的细节在(http://arogozhnikov.github.io/2015/09/08/SpeedBenchmarks.html)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [ ]: %load_ext fortranmagic
In [ ]: %%fortran
        subroutine compute_fortran(x, y, z)
            real, intent(in) :: x(:), y(:)
            real, intent(out) :: z(size(x, 1))

            z = sin(x + y)

        end subroutine compute_fortran
In [ ]: compute_fortran([1, 2, 3], [4, 5, 6])

还有一些别的跳转系统可以加速python 代码。更多的例子见(http://arogozhnikov.github.io/2015/09/08/SpeedBenchmarks.html)

你可以在cython或fortran里写函数,然后在python代

◆ ◆ ◆

22.支持多指针

Jupyter支持多个指针同步编辑,类似Sublime Text编辑器。按下Alt键并拖拽鼠标即可实现。

◆ ◆ ◆

23.Jupyter外界拓展

Jupyter-contrib extensions(https://github.com/ipython-contrib/jupyter_contrib_nbextensions)是一些给予Jupyter更多更能的延伸程序,包括jupyter spell-checker和code-formatter之类.

下面的命令安装这些延伸程序,同时也安装一个菜单形式的配置器,可以从Jupyter的主屏幕浏览和激活延伸程序。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
!pip install https://github.com/ipython-contrib/jupyter_contrib_nbextensions/tarball/master
!pip install jupyter_nbextensions_configurator
!jupyter contrib nbextension install --user
!jupyter nbextensions_configurator enable --user

◆ ◆ ◆

24.从Jupyter notebook创建演示稿

Damian Avila的RISE(https://github.com/damianavila/RISE)允许你从已有的notebook创建一个powerpoint形式的演示稿。 你可以用conda来安装RISE:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
conda install -c damianavila82 rise

或者用pip安装:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pip install RISE

然后运行下面的代码来安装和激活延伸程序:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
jupyter-nbextension install rise --py --sys-prefix
jupyter-nbextension enable rise --py --sys-prefix

◆ ◆ ◆

25.Jupyter输出系统

Notebook本身以HTML的形式显示,单元格输出也可以是HTML形式的,所以你可以输出任何东西:视频/音频/图像。

这个例子是浏览我所有的图片,并显示前五张图的缩略图。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [12]:    import os
            from IPython.display import display, Image
            names = [f for f in os.listdir('../images/ml_demonstrations/') if f.endswith('.png')]
            for name in names[:5]:
                display(Image('../images/ml_demonstrations/' + name, width=100))

我们也可以用bash命令创建一个相同的列表,因为magics和bash运行函数后返回的是python 变量:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
In [10]:    names = !ls ../images/ml_demonstrations/*.png
            names[:5]
Out[10]:    ['../images/ml_demonstrations/colah_embeddings.png',
             '../images/ml_demonstrations/convnetjs.png',
             '../images/ml_demonstrations/decision_tree.png',
             '../images/ml_demonstrations/decision_tree_in_course.png',
             '../images/ml_demonstrations/dream_mnist.png']

◆ ◆ ◆

26.大数据分析

很多方案可以解决查询/处理大数据的问题:

  • ipyparallel(https://github.com/ipython/ipyparallel)(之前叫 ipython cluster) 是一个在python中进行简单的map-reduce运算的良好选择。我们在rep中使用它来并行训练很多机器学习模型。
  • pyspark(http://www.cloudera.com/documentation/enterprise/5-5-x/topics/spark_ipython.html)
  • spark-sql magic %%sql(https://github.com/jupyter-incubator/sparkmagic)

◆ ◆ ◆

27.分享notebook

分享notebook最方便的方法是使用notebook文件(.ipynb),但是对那些不使用notebook的人,你还有这些选择:

  • 通过File > Download as > HTML 菜单转换到html文件。
  • gists(https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/gist.github.com)或者github分享你的notebook文件。这两个都可以呈现notebook,示例见链接(https://github.com/dataquestio/solutions/blob/master/Mission202Solution.ipynb)
  • 如果你把自己的notebook文件上传到github的仓库,可以使用很便利的Mybinder(http://mybinder.org/)服务,允许另一个人进行半个小时的Jupyter交互连接到你的仓库。
  • jupyterhub(https://github.com/jupyterhub/jupyterhub)建立你自己的系统,这样你在组织微型课堂或者工作坊,无暇顾及学生们的机器时就非常便捷了。
  • 将你的notebook存储在像dropbox这样的网站上,然后把链接放在nbviewer(http://nbviewer.jupyter.org/),nbviewer可以呈现任意来源的notebook。
  • 用菜单File > Download as > PDF 保存notebook为PDF文件。如果你选择本方法,我强烈建议你读一读Julius Schulz的文章(http://blog.juliusschulz.de/blog/ultimate-ipython-notebook)
  • 用Pelican从你的notebook创建一篇博客(https://www.dataquest.io/blog/how-to-setup-a-data-science-blog/)

你的最爱是哪些?

在评论里告诉我哪些是你的最爱小窍门吧!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2016-11-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据文摘 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【精心解读】关于Jupyter Notebook的28个技巧
Jupyter具有很强的可扩展性,支持许多编程语言,可以很容易地托管在计算机上或几乎所有的服务器上,只需要拥有ssh或http访问权限。 最重要的是,它是完全免费的。
量化投资与机器学习微信公众号
2018/01/30
7.8K0
【精心解读】关于Jupyter Notebook的28个技巧
[译]27个Jupyter Notebook小提示与技巧
Jupyter notebook, 前身是 IPython notebook, 它是一个非常灵活的工具,有助于帮助你构建很多可读的分析,你可以在里面同时保留代码,图片,评论,公式和绘制的图像。
用户1558438
2018/08/23
1.7K0
Python编程神器Jupyter Notebook使用的28个秘诀(附代码)
[ 导读 ]最近做实验一直是用Jupyter Notebook编程,有一种打草稿的便捷感,在dataquest上看到一篇博客总结了28种Jupyter Notebook的使用技巧。为了方便大家理解,对原文一个简略的地方进行了适当的解释和扩充。希望大家在用Jupyter Notebook编程时可以更加爽快。
数据派THU
2019/12/31
4.8K0
Python编程神器Jupyter Notebook使用的28个秘诀(附代码)
18 个 Jupyter Notebook 小技巧,帮助你快速腾飞
Jupyter Notebook 是干嘛的就不再过多介绍了,这篇文章收集了一些顶级的 Jupyter Notebook 技巧,可以让你迅速成为一个 Jupyter 超级使用者!
周萝卜
2021/03/16
1.4K0
入门 | 数据科学家效率提升必备技巧之Jupyter Notebook篇
选自codeburst 作者:Nok 机器之心编译 参与:黄小天、刘晓坤 本文作者参加过 fast.ai 的深度学习课程,了解到很多适用于一般软件工程的技巧,所以写作本文梳理所学,并共享给大家。 1. Jupyter Notebook 扩展 标准的 Jupyter Notebook 很不错,但还有更多的扩展,其中集成了大量的函数。 安装 Jupyter 扩展包 # Install Jupyterextension package pip install jupyter_contrib_nbextension
机器之心
2018/05/10
7590
可视化运行Python的神器Jupyter Notebook
如果我们想要运行Python,通常有两种方式,第一种方式就是在Python或者IPython的解释器环境中进行交互式运行,还有一种方式就是程序员最喜欢的编写.py文件,在文件中编写python代码,然后运行。
程序那些事
2021/04/13
1.9K0
jupyter notebook的安装与使用
最近由于项目需要,开始学习python,然后发现一个非常有用的python交互式编辑器,非常容易上手而且非常有用和实在,本博文是对学习jupyter notebook的一个汇总和记录,与大家一起分享!下面的内容是针对ubuntu 系统的,当然,jupyter notebook在windows也是支持的。
全栈程序员站长
2022/06/27
1K0
jupyter notebook的安装与使用
Jupyter-Notebook使用技巧
如果你用Python做开发,那么首选Pycharm;但是如果你想用Python做数据分析、数据挖掘,以及火热的机器学习和人工智能项目,Jupyter Notebook注定是首选,因为Jupyter Notebook一直都是做数据科学的最佳利器。
皮大大
2021/04/09
1.6K0
Jupyter-Notebook使用技巧
Python文学化编程-Jupyter notebook使用和插件拓展
Jupyter notebook (Ipython notebook)是集代码、结果、文档三位一体的文学化可重复程序文档。支持40多种程序语言,Python为原生语言。如果安装了Anaconda,就会自动包含。Anaconda的安装见之前的文档Linux学习 - Conda软件安装方法。 其界面如下:点击右侧的-就可以新建一个notebook。 这是一个Notebook的界面,鼠标点击即可写代码;点击运行代码;按图示更改每个输入框的内容属性,选择和,写完内容点击运行就可以运行代码或转换Markdown文
企鹅号小编
2018/01/26
1.6K0
Jupyter Notebook(下篇)
Jupyter Notebook是一个基于Web的交互式工具,数据科学领域正在频繁的使用它。
MeteoAI
2019/07/22
1.8K0
上手jupyter notebook神器
Jupyter Notebook非常活跃于深度学习领域。在项目的实验测试阶段,它相比于用 py 文件来直接编程更方便一些。在项目结束之后如果要写项目报告,用 Jupyter 也比较合适。
叶庭云
2021/12/01
2.1K0
上手jupyter notebook神器
Jupyter Notebook使用技巧
为了更加方便快捷的使用Jupyter Notebook,本文将会介绍一些相关的使用技巧。
花猪
2022/02/16
2K0
Jupyter Notebook使用技巧
ML学习笔记之Jupyter Notebook各种使用方法
保存后在cmd中输入:jupyter notebook,会自动触发默认浏览器打开jupyter
Jetpropelledsnake21
2019/12/24
1.4K0
ML学习笔记之Jupyter Notebook各种使用方法
数据分析篇 | 如何配置数据分析利器Jupyter Notebook?
指定启动目录可以减少很多切换目录的麻烦操作,呆鸟以前写过一篇《1 分钟修改 Jupyter 启动文件夹》,已经介绍过,不在此赘述了。
龙哥
2019/12/12
2.6K0
数据分析篇 | 如何配置数据分析利器Jupyter Notebook?
【三】强化学习之PaddlePaddlle-Notebook、&pdb、ipdb 调试---及PARL框架
                                                           --------云端运行程序
汀丶人工智能
2022/12/01
6930
【三】强化学习之PaddlePaddlle-Notebook、&pdb、ipdb 调试---及PARL框架
Python文学化编程 - Jupyter notebook使用和插件拓展
Jupyter notebook (Ipython notebook)是集代码、结果、文档三位一体的文学化可重复程序文档。支持40多种程序语言,Python为原生语言。如果安装了Anaconda,就会
生信宝典
2018/02/05
1.8K0
Python文学化编程 - Jupyter notebook使用和插件拓展
真顶!Jupyter Notebook 10 个高级技巧
Jupyter 笔记本是数据科学家和分析师用于交互式计算、数据可视化和协作的工具。Jupyter 笔记本的基本功能大家都已经很熟悉了,但还有一些鲜为人知的技巧可以大大提高生产力和效率。在这篇文章中,我将介绍10个可以提升体验的高级技巧。
周萝卜
2023/08/21
7560
真顶!Jupyter Notebook 10 个高级技巧
高效jupyter notebook
类似vim,notebook也有命令模式和编辑模式。在编辑模式中按下esc就会进入命令模式,点击任何一个cell,或者按下enter可以进入编辑模式。如果你用过vim,就应该不难想象这两个模式的作用:在不同的模式下,编辑器提供的很多好用的快捷键,方便你进行方便快捷的操作。
王磊-字节跳动
2019/06/23
2.2K0
独家 | 10 个简单小窍门带你提高Python数据分析速度(附代码)
提示和技巧总是非常有用的,在编程领域更是如此。有时候,小小的黑科技可以节省你大量的时间和精力。一个小的快捷方式或附加组件有时会是天赐之物,可以成为实用的效率助推器。所以,我在这里介绍下自己编程时最喜欢使用的一些提示和技巧,在这篇文章中汇总起来呈现给大家。有些可能是大家熟悉的,而有些可能是新鲜的,我相信它们会为你下一次处理数据分析的项目时提供便利。
数据派THU
2019/07/17
1K0
独家 | 10 个简单小窍门带你提高Python数据分析速度(附代码)
数据分析初识、Anaconda安装、Juypyter notebook配置与快捷键
在我们如今这个时代,相信大多数人都能明白数据的重要性,数据就是信息,而数据分析就是可以让我们发挥这些信息功能的重要手段。
GH
2020/03/19
9700
推荐阅读
相关推荐
【精心解读】关于Jupyter Notebook的28个技巧
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档