Jupyter Notebook是一個(gè)開源的交互式編程環(huán)境，用于創(chuàng)建和共享包含實(shí)時(shí)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(diǎn)，因?yàn)槲覀冊(cè)跀?shù)據(jù)分析的過程中，常常是一邊分析，一邊看分析結(jié)果，根據(jù)分析結(jié)果再調(diào)整數(shù)據(jù)或者分析參數(shù)。

有了 Jupyter Notebook，代碼和運(yùn)行結(jié)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(yīng)用程序，所以展示運(yùn)行結(jié)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(yǔ)言，還支持其他幾種常用于數(shù)據(jù)分析的語(yǔ)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(gè)使用Jupyter Notebook時(shí)常用的幾個(gè)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(dāng)前路徑：

%pwd
#運(yùn)行結(jié)果（環(huán)境不一樣，下面的路徑會(huì)不一樣）：
'd:\\projects\\python\\notebooks'

魔法命令的結(jié)果還可以存儲(chǔ)到python變量中。

cur_path = %pwd
print(cur_path)
#運(yùn)行結(jié)果：
'd:\\projects\\python\\notebooks'

列出當(dāng)前文件夾下的文件：

%ls

這個(gè)命令在不同的系統(tǒng)中會(huì)自動(dòng)調(diào)用不同的命令，

比如在Linux系統(tǒng)中，調(diào)用ls命令，在Windows系統(tǒng)中，會(huì)調(diào)用 dir 命令。

2. 自動(dòng)保存

隨時(shí)保存自己的代碼和文檔是好習(xí)慣，如果怕忘了保存，也可以設(shè)置Jupyter Notebook的自動(dòng)保存時(shí)間。

比如：

%autosave 10
#運(yùn)行結(jié)果
Autosaving every 10 seconds

每隔10秒會(huì)自動(dòng)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(fù)制歷史命令，我們?cè)俅螆?zhí)行之前的命令或代碼時(shí)，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(cè)

數(shù)據(jù)分析時(shí)，經(jīng)常接觸到數(shù)量龐大的數(shù)據(jù)。

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

第一個(gè)是 %time，能夠顯示函數(shù)運(yùn)行時(shí)間的相關(guān)信息：

def sum(n):
    s = 0
    for i in range(n):
        s += i
    return s
%time sum(100000)
%time sum(200000)
#運(yùn)行結(jié)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(shí)際運(yùn)行的時(shí)間
• Wall time是程序從開始執(zhí)行到結(jié)束所花費(fèi)的時(shí)間（包括了等待資源、I/O 操作等與CPU 時(shí)間無關(guān)的時(shí)間）

上面的示例中，第二次的運(yùn)算量是第一個(gè)的兩倍，耗費(fèi)的時(shí)間也差不多是兩倍。

除了 %time，還有一個(gè) %timeit 命令，

它會(huì)統(tǒng)計(jì)多次運(yùn)行后的結(jié)果，得到的結(jié)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(yùn)行結(jié)果
63.9 ms ± 2.97 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

運(yùn)行結(jié)果的含義如下：

• 63.9 ms 是運(yùn)行時(shí)間的平均值
• 2.97 ms是標(biāo)準(zhǔn)差，也就是運(yùn)行時(shí)間的上下浮動(dòng)范圍
• 7 runs表示一共運(yùn)行了7輪
• 10 loops each表示每輪循環(huán)運(yùn)行了10次

%timeit 運(yùn)行多少輪，以及每輪運(yùn)行多少次是可以設(shè)置的。

def sum(n):
    s = 0
    for i in range(n):
        s += i
    return s
%timeit -n 20 -r 10 sum(1000000)
#運(yùn)行結(jié)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(yùn)行多少輪，-n參數(shù)指定每輪運(yùn)行多少次。

5. 繪圖相關(guān)

最后，介紹在Jupyter Notebook中使用matplotlib繪圖時(shí)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(huì)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(biāo)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(guān)于五個(gè)Jupyter Notebook實(shí)用魔法命令分享的文章就介紹到這了,更多相關(guān)Jupyter Notebook魔法命令內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論