命令模式

快捷键（命令模式） ESC
在上方添加新单元 A
在下方添加新单元 B
选择单元后合并 SHIFT+M
删除单元 2*D
撤销被删除的单元 Z
当前活跃单元变成代码单元 Y
当前单元变为markdow M
查找替换 F

编辑模式

编辑模式 ENTER
到单元格起始位置 Ctrl + Home
保留进度 Ctrl + S
运行单元格 Ctrl + Enter
运行并移动到下一个单元 Alt + Enter
打开命令面板 Ctrl + Shift + F

  • https://i.cnblogs.com/)

Jupyter Notebook主题字体设置及自动代码补全

Jupyter Notebook用久了就离不开了，然而自带的主题真的不忍直视。为了视力着想，为了自己看起来舒服，于是折腾了一番。。在github上发现了一个jupyter-themes工具，可以通过pip安装，非常方便使用。

首先是主题下载，命令行如下所示：

pip install --no-dependencies jupyterthemes==0.18.2

安装好了，有的电脑可能会提示缺少 lesscpy，继续 pip 安装

pip install lesscpy

然后是对主题选择、字体大小进行设置，我总结了一个我最喜欢的

jt --lineh 140 -f consolamono -tf ptmono -t grade3 -ofs 14 -nfs 14 -tfs 14 -fs 14 -T -N

命令行的格式的解释如下表所示

cl options arg default
Usage help -h –
List Themes -l –
Theme Name to Install -t –
Code Font -f –
Code Font-Size -fs 11
Notebook Font -nf –
Notebook Font Size -nfs 13
Text/MD Cell Font -tf –
Text/MD Cell Fontsize -tfs 13
Pandas DF Fontsize dfs 9
Output Area Fontsize -ofs 8.5
Mathjax Fontsize (%) -mathfs 100
Intro Page Margins -m auto
Cell Width -cellw 980
Line Height -lineh 170
Cursor Width -cursw 2
Cursor Color -cursc –
Alt Prompt Layout -altp –
Alt Markdown BG Color -altmd –
Alt Output BG Color -altout –
Style Vim NBExt* -vim –
Toolbar Visible -T –
Name & Logo Visible -N –
Reset Default Theme -r –
Force Default Fonts -dfonts –

附上最终效果

接着让 jupyter notebook 实现自动代码补全，首先安装 nbextensions

pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user

然后安装 nbextensions_configurator

pip install jupyter_nbextensions_configurator
jupyter nbextensions_configurator enable --user

如果提示缺少依赖，就使用pip安装对应依赖即可。

最后重启jupyter，在弹出的主页面里，能看到增加了一个Nbextensions标签页，在这个页面里，勾选Hinterland即启用了代码自动补全，如图所示：

2. 变量的完美显示

import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

#**3. 轻松链接到文档**
?str.replace ( )

Jupyter Magic 命令

#notebook 里作图
%matplotlib inline
%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
%env

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。

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

​ 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。

In [ 56 ] : # this will execute and show the output from # all code cells of the specified notebook %run ./two-histograms.ipynb

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ANInXq1M-1618991936188)(http://zkres2.myzaker.com/201611/58212d127f52e9df44000055_640.jpg)]

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。

In [ ] : # Before Running %load ./hello_world.pyIn [ 61 ] : # After Running # %load ./hello_world.py if name == “main”: print ( “Hello World!” )

​ 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。

In [ 62 ] : data = ‘this is the string I want to pass to different notebook’ %store data del data # This has deleted the variable

​ Stored ‘data’ ( str )

现在，在一个新的 notebook 文档里……

In [ 1 ] : %store -r data print ( data )

​ 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。

In [ 1 ] : one = “for the money” two = “for the show” three = “to get ready now go cat go” %who str

​ 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。

In [ 4 ] : %%time import time for _ in range ( 1000 ) : time.sleep ( 0.01 ) # sleep for 0.01 seconds

​ 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。

In [ 3 ] : import numpy %timeit numpy.random.normal ( size=100 )

​ 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 µ s 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）。

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 )

​ Writing pythoncode.py

In [ 8 ] : %pycat 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 )

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。

In [ 47 ] : %prun some_useless_slow_function ( )

​ 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 :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 :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 :1 ( ) 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，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

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 ) in ( ) 5 raise NotImplementedError ( ) 6 ----> 7 pick_and_take ( ) 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: > ( 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。

In [ 4 ] : %matplotlib inline from matplotlib import pyplot as plt import numpy x = numpy.linspace ( 0, 1, 1000 ) **1.5In [ 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> )

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mlC7hy2T-1618991936191)(http://zkres2.myzaker.com/201611/58212d127f52e9df44000056_640.jpg)]

In [ 6 ] : # By adding a semicolon at the end, the output is suppressed. plt.hist ( x ) ;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mLTPnLuW-1618991936193)(http://zkres1.myzaker.com/201611/58212d127f52e9df44000057_640.jpg)]

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。

In [ 7 ] : !ls *.csv

nba_2016.csv titanic.csvpixar_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(AmidB)=fracP(BmidA),P(A)P(B)P(AmidB)=fracP(BmidA),P(A)P(B)

会变成

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8y1T5t8p-1618991936194)(http://zkres1.myzaker.com/201611/58212d127f52e9df44000058_640.jpg)]

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

​ 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

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：

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：

In [ 1 ] : %load_ext rpy2.ipythonIn [ 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 ) )

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LHDrgpaz-1618991936196)(http://zkres1.myzaker.com/201611/58212d127f52e9df44000059_640.jpg)]

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：

!pip install cython fortran-magic In [ ] : %load_ext CythonIn [ ] : %%cython def myltiply_by_2 ( float x ) : return 2.0 * xIn [ ] : 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。

In [ ] : %load_ext fortranmagicIn [ ] : %%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_fortranIn [ ] : 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。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2w24mpqV-1618991936198)(http://zkres2.myzaker.com/201611/58212d127f52e9df4400005a_raw.gif)]

23.Jupyter 外界拓展

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。

!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

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fKT6nctc-1618991936199)(http://zkres2.myzaker.com/201611/58212d127f52e9df4400005b_640.jpg)]

24. 从 Jupyter notebook 创建演示稿

Damian Avila 的允许你从已有的 notebook 创建一个 powerpoint 形式的演示稿。

你可以用 conda 来安装 RISE：

conda install -c damianavila82 rise

或者用 pip 安装：

pip install RISE

然后运行下面的代码来安装和激活延伸程序：

jupyter-nbextension install rise --py --sys-prefixjupyter-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。

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 ) )

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IdrtCmkZ-1618991936200)(http://zkres1.myzaker.com/201611/58212d127f52e9df4400005c_640.jpg)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nuXfY65E-1618991936201)(http://zkres1.myzaker.com/201611/58212d127f52e9df4400005d_640.jpg)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5K4P03IH-1618991936202)(http://zkres2.myzaker.com/201611/58212d127f52e9df4400005e_640.jpg)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bSI75H3b-1618991936204)(http://zkres2.myzaker.com/201611/58212d127f52e9df4400005f_640.jpg)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kxO6ka61-1618991936205)(http://zkres1.myzaker.com/201611/58212d127f52e9df44000060_640.jpg)]

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：

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：

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：

在评论里告诉我哪些是你的最爱小窍门吧！

命令行模式(按 Esc 生效)编辑快捷键

F: 查找并且替换

Ctrl-Shift-F: 打开命令配置

Ctrl-Shift-P: 打开命令配置

Enter: 进入编辑模式

P: 打开命令配置

Shift-Enter: 运行代码块, 选择下面的代码块

Ctrl-Enter: 运行选中的代码块

Alt-Enter: 运行代码块并且插入下面

Y: 把代码块变成代码

M: 把代码块变成标签

R: 清除代码块格式

1: 把代码块变成heading 1

2: 把代码块变成heading 2

3: 把代码块变成heading 3

4: 把代码块变成heading 4

5: 把代码块变成heading 5

6: 把代码块变成heading 6

K: 选择上面的代码块

上: 选择上面的代码块

下: 选择下面的代码块

J: 选择下面的代码块

Shift-K: 扩展上面选择的代码块

Shift-上: 扩展上面选择的代码块

Shift-下: 扩展下面选择的代码块

Shift-J: 扩展下面选择的代码块

Ctrl-A: select all cells

A: 在上面插入代码块

B: 在下面插入代码块

X: 剪切选择的代码块

C: 复制选择的代码块

Shift-V: 粘贴到上面

V: 粘贴到下面

Z: 撤销删除

D,D: 删除选中单元格

Shift-M: 合并选中单元格, 如果只有一个单元格被选中

Ctrl-S: 保存并检查

S: 保存并检查

L: 切换行号

O: 选择单元格的输出

Shift-O: 切换选定单元的输出滚动

H: 显示快捷键

I,I: 中断服务

0,0: 重启服务(带窗口)

Esc: 关闭页面

Q: 关闭页面

Shift-L: 在所有单元格中切换行号，并保持设置

Shift-空格: 向上滚动

空格: 向下滚动

编辑模式(按 Enter 生效)

Tab: 代码完成或缩进

Shift-Tab: 工具提示

Ctrl-]: 缩进

Ctrl-[: 取消缩进

Ctrl-A: 全选

Ctrl-Z: 撤销

Ctrl-/: 评论

Ctrl-D: 删除整行

Ctrl-U: 撤销选择

Insert: 切换 重写标志

Ctrl-Home: 跳到单元格起始处

Ctrl-上: 跳到单元格起始处

Ctrl-End: 跳到单元格最后

Ctrl-下: 跳到单元格最后

Ctrl-左: 跳到单词左边

Ctrl-右: 跳到单词右边

Ctrl-删除: 删除前面的单词

Ctrl-Delete: 删除后面的单词

Ctrl-Y: 重做

Alt-U: 重新选择

Ctrl-M: 进入命令行模式

Ctrl-Shift-F: 打开命令配置

Ctrl-Shift-P: 打开命令配置

Esc: 进入命令行模式

Shift-Enter: 运行代码块, 选择下面的代码块

Ctrl-Enter: 运行选中的代码块

Alt-Enter: 运行代码块并且插入下面

Ctrl-Shift-Minus: 在鼠标处分割代码块

Ctrl-S: 保存并检查

下: 光标下移

上: 光标上移

Jupyter Notebook的27个窍门，技巧和快捷键

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。

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：

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。

In [3]: ?str.replace()
        Docstring:S.replace(old, new[, count]) -> strReturn 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。

# This will list all magic commands%lsmagic
Available line magics:%alias  %alias_magic  %autocall  %automagic  %autosave  %bookmark  %cat  %cd  %clear  %colors  %config  %connect_info  %cp  %debug  %dhist  %dirs  %doctest_mode  %ed  %edit  %env  %gui  %hist  %history  %killbgscripts  %ldir  %less  %lf  %lk  %ll  %load  %load_ext  %loadpy  %logoff  %logon  %logstart  %logstate  %logstop  %ls  %lsmagic  %lx  %macro  %magic  %man  %matplotlib  %mkdir  %more  %mv  %notebook  %page  %pastebin  %pdb  %pdef  %pdoc  %pfile  %pinfo  %pinfo2  %popd  %pprint  %precision  %profile  %prun  %psearch  %psource  %pushd  %pwd  %pycat  %pylab  %qtconsole  %quickref  %recall  %rehashx  %reload_ext  %rep  %rerun  %reset  %reset_selective  %rm  %rmdir  %run  %save  %sc  %set_env  %store  %sx  %system  %tb  %time  %timeit  %unalias  %unload_ext  %who  %who_ls  %whos  %xdel  %xmode Available cell magics:%%!  %%HTML  %%SVG  %%bash  %%capture  %%debug  %%file  %%html  %%javascript  %%js  %%latex  %%perl  %%prun  %%pypy  %%python  %%python2  %%python3  %%ruby  %%script  %%sh  %%svg  %%sx  %%system  %%time  %%timeit  %%writefile Automagic is ON, % prefix IS NOT needed for line magics.

推荐阅读

（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。

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
            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。

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**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。

In [ ]:     # Before Running%load ./hello_world.py
In [61]:    # After Running# %load ./hello_world.pyif __name__ == "__main__":print("Hello World!")
            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。

In [62]:    data = 'this is the string I want to pass to different notebook'%store datadel data # This has deleted the variable
            Stored 'data' (str)

现在，在一个新的notebook文档里……

In [1]: %store -r dataprint(data)
        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。

In [1]: one = "for the money"two = "for the show"three = "to get ready now go cat go" %who str
        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。

In [4]: %%timeimport timefor _ in range(1000):time.sleep(0.01)# sleep for 0.01 seconds
        CPU times: user 21.5 ms, sys: 14.8 ms, total: 36.3 msWall 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。

In [3]: import numpy%timeit numpy.random.normal(size=100)
        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）。

In [7]: %%writefile pythoncode.pyimport numpydef 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)
        Writing pythoncode.py
In [8]: %pycat pythoncode.py
        import numpydef 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 statementname将给您一个有序表，它显示了每个内部函数在语句中被调用的次数，每次调用的时间以及函数的所有运行时间的累积时间。

In [47]:    %prun some_useless_slow_function()
  26324 function calls in 0.556 secondsOrdered by: internal timencalls  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）

In [ ]: %pdbdef 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。

In [4]: %matplotlib inlinefrom matplotlib import pyplot as pltimport numpyx = numpy.linspace(0, 1, 1000)**1.5
In [5]: # Here you get the output of the functionplt.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>)
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。

In [7]: !ls *.csv
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

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]: %%bashfor i in {1..5}doecho "i is $i"done
            i is 1i is 2i is 3i is 4i 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

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：

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：

In [1]: %load_ext rpy2.ipython
In [2]: %R require(ggplot2)
Out[2]: array([1], dtype=int32)
In [3]: import pandas as pddf = 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 dfggplot(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：

!pip install cython fortran-magic In [ ]: %load_ext Cython
In [ ]: %%cythondef 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）。

In [ ]: %load_ext fortranmagic
In [ ]: %%fortransubroutine 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。

!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：

conda install -c damianavila82 rise

或者用pip安装：

pip install RISE

然后运行下面的代码来安装和激活延伸程序：

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。

In [12]:    import osfrom IPython.display import display, Imagenames = [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：

In [10]:    names = !ls ../images/ml_demonstrations/*.pngnames[: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**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。
  • 用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。
  • 用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/）。

原文链接：https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/

  • 后续更新
  • magic函数主要包含两大类，一类是行魔法（Line magic）前缀为%，一类是单元魔法(Cell magic)前缀为%%；

行魔法

  • %colors
  • %config
  • %load：加载一个文件里面的内容
  • %ls
  • %lsmagic：打印当前可以用的魔法命令
  • %magic
  • %matplotlib：inline选项图片嵌入在jupyter notebook里面，不以单独窗口显示
  • %mkdir
  • %notebook
  • %page
  • %pdb
  • %pprint
  • %pwd：和linux一样，查找当前目录
  • %qtconsole
  • %reset：清除变量
  • %reset_selective
  • %rmdir
  • %run：后面紧接着一个相对地址的file_name.py，表示运行一个py文件
  • %save
  • %set_env
  • %system
  • %tb
  • %time
  • %timeit：为代码执行计时
  • %who
  • %who_ls
  • %whos：查看当前变量,类型，信息

单元魔法：

  • 以下magic操作应当放在cell的首行
  • %%!
  • %%HTML
  • %%SVG
  • %%bash
  • %%capture
  • %%cmd
  • %%debug
  • %%file
  • %%html
  • %%javascript
  • %%js
  • %%latex
  • %%markdown
  • %%perl
  • %%prun
  • %%pypy
  • %%python
  • %%python2
  • %%python3
  • %%ruby
  • %%script
  • %%sh
  • %%svg
  • %%sx
  • %%system
  • %%time
  • %%timeit：为代码执行计时
  • %%writefile：后面紧接着一个file_name.py,表示在jupyter notebook里面创建一个py文件，后面cell里面的内容为py文件内容

jupter 使用相关推荐

  1. window 远程访问本地centos/redhat虚拟机上jupter notebook 配置方法

    为什么80%的码农都做不了架构师?>>>    1.生成默认配置 jupyter notebook --generate-config ipython profile create ...

  2. 魔法函数%matplotlib 解决matplotlib画图在Jupter/IPython中不显示

    用Python画图时,有时候画图结果存储在内存中不显示,如下图 import seaborn as sns subset = tz_counts[:10] sns.barplot(y=subset.i ...

  3. Jupter 在windows下的运行

    前言: Jupter 在windwos下如何安装,运行.本文做一些实践记录. JupyterLab: Jupyter's Next-Generation Notebook Interface Jupy ...

  4. 在jupter中利用Python编程查看pkl文件内容的步骤

    pkl文件是python保存文件的一种格式. 下面以 test.pkl 文件为例,展示在jupter中利用Python编程查看pkl文件内容的步骤. 一.查看Python代码所在的文件夹 import ...

  5. win10系统下配置jupter的文件路径

    引入主题 老早之前装anaconda,因为C盘空间挺多,就装在C盘里面了,当时安装完后桌面多了个Jupyter Notebook的图标,但没怎么管.最近开始使用jupter了,苦于C盘空间紧张,想改变 ...

  6. L1-L11 jupter notebook 文件

    L1-L11 jupter notebook 文件下载地址 https://download.csdn.net/download/xiuyu1860/12157961 包括L12 Transforme ...

  7. 王权富贵：jupter添加python环境

    jupter添加环境参考: 执行代码如下: python2 -m pip install ipykernel python2 -m ipykernel install --user 添加效果如下图所示 ...

  8. [云炬python3玩转机器学习笔记] 3-2 Jupter Notebook魔法命令

    xxxxxxxxxx### %run %run¶ In [1]:%run myscript/hello.py hello Machine Learning ! . . .In [2]:xxxxxxxx ...

  9. jupter中没有显示conda中的环境

    将conda中的环境添加到jupyter中: python -m ipykernel install --user --name myenv --display-name "Python ( ...

  10. 使用Jupter Notebook实现简单的神经网络

    参考:http://python.jobbole.com/82208/ 注:1)# %matplotlib inline 注解可以使Jupyter中显示图片 2)注意包的导入方式 一.使用的Pytho ...

最新文章

  1. 从对比学习(Contrastive Learning)到对比聚类(Contrastive Clustering)
  2. MySQL单表数据量过千万，采坑优化记录，完美解决方案
  3. iOS无法导入头文件
  4. [转载]如何在只能力加载的有限元程序里面实现按位移加载
  5. linux文件的操作原理简介 以及 实现linux cp命令的代码
  6. 【18】让接口容易被正确使用，不易被误用
  7. redis将散裂中某个值自增_这些Redis命令你都掌握了没？
  8. mysql中的正向工程_Hibernate系列之正向工程
  9. 一些算法题，欢迎来改进
  10. 《Cortex-M0权威指南》之Cortex-M0编程入门
  11. python中int函数是什么作用_python中int函数怎么用
  12. 剑指offer--两个链表的第一个公共结点
  13. Modelsim10.4-win64软件下载安装与破解
  14. greensock下载_使用GreenSock完成我们的可拖动的画布外菜单
  15. 黑客四种常用来攻击云服务器的手段
  16. AS3中常用到的公式
  17. linux下chmod命令
  18. LAMP架构 【2】
  19. 高数中dy和Δy有什么区别
  20. 以太网包的格式 --转

热门文章

  1. Enhancement
  2. [js点滴(转)]JavaScript中的this陷阱的最全收集--没有之一
  3. HTML有哪些浏览器支持,哪些浏览器支持 HTML5？
  4. vsocde vue snippet 设置
  5. IoT with Mongodb cloud
  6. vscode连接模拟器运行flutter项目
  7. 【软件质量】软件质量分析总结报告
  8. 固定码率（CBR）与可变码率（VBR）
  9. 从广州出发领略稻城亚丁和一路上的美丽风光
  10. 美国情报人员使用的部分开源情报（OSINT）工具展示