Jupyter Notebook是一個開源的交互式編程環(huán)境，用于創(chuàng)建和共享包含實時代碼、文本、圖像和可視化輸出的文檔。

它交互式的編程方式是一大亮點，因為我們在數(shù)據分析的過程中，常常是一邊分析，一邊看分析結果，根據分析結果再調整數(shù)據或者分析參數(shù)。

有了 Jupyter Notebook，代碼和運行結果可以一起展示，省了很多來回切換的麻煩操作。

此外，它是基于Web的應用程序，所以展示運行結果的方式很豐富，不僅僅是文字，圖表等也一樣可以展示。

Jupyter Notebook不僅僅支持python語言，還支持其他幾種常用于數(shù)據分析的語言，比如 Julia，R 等等。

介紹如何使用Jupyter Notebook編程和寫文檔的文章很多，本篇主要介紹幾個使用Jupyter Notebook時常用的幾個魔法命令。

這些魔法命令主要提供一些額外的功能和控制Notebook環(huán)境的行為。

1. 文件和路徑

查看當前路徑：

%pwd
#運行結果（環(huán)境不一樣，下面的路徑會不一樣）：
'd:\\projects\\python\\notebooks'

魔法命令的結果還可以存儲到python變量中。

cur_path = %pwd
print(cur_path)
#運行結果：
'd:\\projects\\python\\notebooks'

列出當前文件夾下的文件：

%ls

這個命令在不同的系統(tǒng)中會自動調用不同的命令，

比如在Linux系統(tǒng)中，調用ls命令，在Windows系統(tǒng)中，會調用 dir 命令。

2. 自動保存

隨時保存自己的代碼和文檔是好習慣，如果怕忘了保存，也可以設置Jupyter Notebook的自動保存時間。

比如：

%autosave 10
#運行結果
Autosaving every 10 seconds

每隔10秒會自動保存一次。

3. 查看歷史

查看執(zhí)行過的歷史命令，這里不僅僅是歷史執(zhí)行的魔法命令，也包括執(zhí)行過的python代碼。

%history

通過復制歷史命令，我們再次執(zhí)行之前的命令或代碼時，不用再輸入一遍。

如果歷史命令太多，也可以指定只顯示最近的N條命令：

%history -l 3
#只顯示最近3條命令

4. 性能檢測

數(shù)據分析時，經常接觸到數(shù)量龐大的數(shù)據。

編寫分析代碼處理龐大的數(shù)據時遇到性能問題是常事，Jupyter Notebook有兩個魔法命令可以幫助我們定位性能問題。

第一個是 %time，能夠顯示函數(shù)運行時間的相關信息：

def sum(n):
    s = 0
    for i in range(n):
        s += i
    return s
%time sum(100000)
%time sum(200000)
#運行結果
CPU times: total: 93.8 ms
Wall time: 87.9 ms
CPU times: total: 172 ms
Wall time: 168 ms

其中,

• CPU time是程序在處理器上實際運行的時間
• Wall time是程序從開始執(zhí)行到結束所花費的時間（包括了等待資源、I/O 操作等與CPU 時間無關的時間）

上面的示例中，第二次的運算量是第一個的兩倍，耗費的時間也差不多是兩倍。

除了 %time，還有一個 %timeit 命令，

它會統(tǒng)計多次運行后的結果，得到的結果更加可靠一些。

def sum(n):
    s = 0
    for i in range(n):
        s += i
    return s
%timeit sum(1000000)
#運行結果
63.9 ms ± 2.97 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

運行結果的含義如下：

• 63.9 ms 是運行時間的平均值
• 2.97 ms是標準差，也就是運行時間的上下浮動范圍
• 7 runs表示一共運行了7輪
• 10 loops each表示每輪循環(huán)運行了10次

%timeit 運行多少輪，以及每輪運行多少次是可以設置的。

def sum(n):
    s = 0
    for i in range(n):
        s += i
    return s
%timeit -n 20 -r 10 sum(1000000)
#運行結果
66.7 ms ± 4.75 ms per loop (mean ± std. dev. of 10 runs, 20 loops each)

-r 參數(shù)指定運行多少輪，-n參數(shù)指定每輪運行多少次。

5. 繪圖相關

最后，介紹在Jupyter Notebook中使用matplotlib繪圖時用到的魔法命令。

5.1. 直接顯示

%matplotlib inline，直接顯示在代碼的下方，這也是最常用的方式。

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x = np.arange(0, 10, 1)
y = x*x + 2
plt.plot(x, y)
plt.show()

5.2. 使用 TK 繪制

%matplotlib tk，會彈出新的窗口顯示圖形，并且圖形可以交互。

import matplotlib.pyplot as plt
import numpy as np
%matplotlib tk
x = np.arange(0, 10, 1)
y = x*x + 2
plt.plot(x, y)
plt.show()

紅色框標出的就是交互的按鈕。

5.3. 使用 notebook 繪制

%matplotlib notebook和使用tk是類似的，只是不彈出新的窗口。

import matplotlib.pyplot as plt
import numpy as np
%matplotlib notebook
x = np.arange(0, 10, 1)
y = x*x + 2
plt.plot(x, y)
plt.show()

這種方式同樣是可以交互的。

到此這篇關于五個Jupyter Notebook實用魔法命令分享的文章就介紹到這了,更多相關Jupyter Notebook魔法命令內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論