Python编程神器Jupyter Notebook使用的28个秘诀

作者&编辑：李中梁

引言

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。

Jupyter Notebook是什么

Jupyter Notebook，以前称为IPython Notebook，是一种灵活的python编程工具，可以用来创建可读的分析。在Jupyter Notebook上可以将代码、图像、注释、公式和可视化结果保存在一起。在这篇文章中，我们介绍了一些非常实用的Jupyter Notebook高级使用技巧，让Jupyter Notebook成为你编程的超级利器！

1.实用的快捷键

Jupyter Notebook有很多的快捷键，编程时使用这些快捷键将提高你的编程效率。想知道Jupyter Notebook有哪些快捷键，你可以在它的下拉菜单Help>Keyboard Shortcuts中找到。或者在command model中按下H查看。每次更新Jupyter的时候你都最好看看有哪些新的快捷键。Ctrl + Shift + P 调出command palette。在这个对话框中你可以输入快捷功能的名字来使用快捷键，比如你想重启kernel，那就在对话框中输入’restar’，command palette会自动显示候选的功能。这个功能类似Mac上的Spotlight工具。

我的一些常用快捷键：

• Esc进入command mode

• 在command mode下：A/B可以在上/下方插入新的cell，M切换到Markdown模式下，Y切回编程模式，D+D删除当前cell

• Enter从command mode返回edit mode

• Shift + Tab会显示你刚才输入对象的文档

• Ctrl + Shift + -将会分割你的cell

• Esc + F查找替换代码（不包含输出部分）

• Esc + O隐藏cell的输出

• 你还可以选对多个cell进行操作：Shift + J 或Shift + Down向下选择，Shift + K 或Shift + Up向上选择，Shift + M合并多个cell

2.整齐的变量输出

当你的cell最后是一个变量名，那么你不需要用print就可以输出了。特别是你要输出Pandas DataFrames的时候，这很有用。ast_note_interactivity参数为all来一次性输出多个变量而不用print。

from IPython.core.interactiveshell import InteractiveShell	
InteractiveShell.ast_node_interactivity = "all"	

	
from pydataset import data	
quakes = data('quakes')	
quakes.head()	
quakes.tail()	
# 输出的效果是将head和tail都输出，而不是只有tail输出

如果你希望所有Jupyter 的cell都这样输出，创建一个文件~/.ipython/profile_default/ipython_config.py并输入以下代码：	
~/.ipython/profile_default/ipython_config.py	
c = get_config()	
# Run all nodes interactively	
c.InteractiveShell.ast_node_interactivity = "all"

3.快速链接文档

你可以在Help菜单中看到一些常用库，如NumPy, Pandas, SciPy and Matplotlib的文档。不过你还可以在方法前面加?来查看对应的文档。

# 执行下面这行代码在Jupyter Notebkook中	
?str.replace()	
# 将显示文档	
Docstring:	
S.replace(old, new[, count]) -> str	

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

4.在notebooks中绘图

常用的绘图库包括：matplotlib, Seaborn, mpld3, bokeh, plot.ly, Altair

5-15.魔法命令

由于Jupyter是基于IPython内核的，所以Jupyter可以使用IPython内核中的Magics命令。%lsmagic查看所有的magic命令。

• %env，设置环境变量

  # Running %env without any arguments	
  # lists all environment variables	
  
  	
  # The line below sets the environment	
  # variable	
  %env OMP_NUM_THREADS%env OMP_NUM_THREADS=4	
  
  	
  # output	
  env: OMP_NUM_THREADS=4

• %run，执行python代码*.py文件，你可以在Jupyter中执行它。

  # this will execute and show the output from	
  # all code cells of the specified notebook	
  %run ./two-histograms.ipynb

• %load，导入外部脚本。

  # 你有一个hello_world.py文件	
  # 内容是if __name__ == "__main__":   print("Hello World!")	
  # 在Jupyter中先用%load载入	
  %load ./hello_world.py	
  
  	
  # 运行%load ./hello_world.py命令后，在你的cell中就出现以下几行代码（你执行的%run语句会显示已经注释）	
  # %load ./hello_world.py	
  if __name__ == "__main__":	
     print("Hello World!")

• %store，在notebook之间传递变量。

  # 在notebook A 中	
  data = 'this is the string I want to pass to different notebook'	
  %store data	
  del data # This has deleted the variable	
  
  	
  # 在notebook B 中	
  %store -r data	
  print(data) # 显示this is the string I want to pass to different notebook

• %who，显示所有的变量

  # 某个cell中有以下四行代码	
  one = "for the money"	
  two = "for the show"	
  three = "to get ready now go cat go"	
  %who str	
  
  	
  # 输出为	
  one   three   two

• %%time和%timeit%%time将提供代码单次运行的信息，%%timeit将默认运行你的代码100,000次，提供最快运行三次的平均结果。

• %%writefile和pycat，导出单元格的内容/显示外部脚本的内容%%writefile保存cell内容到外部文件。%pycat正好相反。

• %prun，显示程序中每个函数的调用信息

• %pdb，代码调试

• 为视网膜(Retina)屏输出高分辨率图像

  # 常规图像	
  x = range(1000)	
  y = [i ** 2 for i in x]	
  plt.plot(x,y)	
  plt.show();	
  # 视网膜(Retina)图像	
  %config InlineBackend.figure_format ='retina'	
  plt.plot(x,y)	
  plt.show();

16.在函数末尾加入分号可以抑制输出

在函数末尾加分号可以抑制函数的输出。

17.执行shell命令

在shell命令前面加!

# 一些例子	
!ls *.csv	
!pip install numpy	
!pip list | grep pandas

18.在markdown cell 中书写LaTeX时，它会被 MathJax 渲染成一个公式

19.在一个notebook中运行多种kernel的代码

如果想要的话，你可以在一个notebook中运行多种kernel的代码

# 支持：%%bash, %%HTML, %%python2, %%python3, %%ruby, %%perl	
%%bash	
for i in {1..5}	
do	
   echo "i is $i"	
done

20.为Jupyter安装其他的kernel

Jupyter其实不止可以用于python编程，安装一个R内核它就可以用于R语言编程。

# 通过Anaconda安装	
conda install -c r r-essentials	

	
# 手动安装	
# 你需要先从https://cloud.r-project.org下载安装R	
# 然后在R控制台下运行以下代码	
install.packages(c('repr', 'IRdisplay', 'crayon', 'pbdZMQ', 'devtools'))	
devtools::install_github('IRkernel/IRkernel')	
IRkernel::installspec()  # to register the kernel in the current R installation

21.在同一个notebook中运行R和Python

你可以安装rpy2用pip install rpy2

%load_ext rpy2.ipython	
%R require(ggplot2)	
array([1], dtype=int32)	
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]	
    })	
%%R -i df	
ggplot(data = df) + geom_point(aes(x = X, y= Y, color = Letter, size = Z))

22.用其他语言来写函数

有时numpy的速度不够快，我需要写一些快速的代码。

!pip install cython fortran-magic	
%load_ext Cython	
%%cython	
def myltiply_by_2(float x):	
    return 2.0 * x	
myltiply_by_2(23.)

就个人而言我建议使用fortran：

%load_ext fortranmagic	
%%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	
compute_fortran([1, 2, 3], [4, 5, 6])

23.多行编辑模式

你可以在Jupyter中使用多行编辑模式，只需要按住Alt键。

24.在Jupyter上安装插件

Jupyter-contrib extensions是一个插件库，包含了很多实用的插件，包括jupyter spell-checker和code-formatter。Jupyter-contrib extensions

!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

安装成功后Jupyter-contrib extensions会以菜单栏的方式显示在界面上。

25.从notebook中创建PPT

安装RISE工具就可以从已有的notebook中创建powerpoint风格的演示了。conda install -c damianavila82 rise或pip install RISE安装RISE。

# 激活RISE	
jupyter-nbextension install rise --py --sys-prefix	
jupyter-nbextension enable rise --py --sys-prefix

26.Jupyter输出系统

使用IPython.display这个库可以将多媒体文件排列输出。

27.大数据分析

推荐使用ipyparallel，pyspark工具以及%%sql魔法命令进行大数据查询，处理。

28.分享notebooks

通常分享*.ipynb文件是最简单的方式。但是如果你要给不用Jupyter的人分享有以下几种选择：

• 使用File - Download as - HTMLl菜单选项将笔记本转换为html文件

• 在github或者gist.github.com上分享notebooks

• 使用jupyterhub搭建你自己的分享系统

• 在dropbox上存储你的notebook并且将链接挂到https://nbviewer.jupyter.org上

• 使用File - Download as - PDF保存notebook为PDF

最后希望大家看完这篇“安利”后可以愉快地使用Jupyter Notebook~

参考资料

• [28 Jupyter Notebook Tips, Tricks, and Shortcuts]

  (https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts)

与我交流

github： https://github.com/keloli

blog：    https://www.jianshu.com/u/d055ee434e59
	

往期回顾之作者李中梁

机器学习算法工程师

---

                            一个用心的公众号

长按，识别，加关注

进群，学习，得帮助

你的关注，我们的热度，

我们一定给你学习最大的帮助