盘一盘 Python 系列特别篇 - Jupyter Notebook

本文有 6437 字，40 截屏

建议阅读 35 分钟

在公众号对话框回复 JNB 

获取完整 Jupyter Notebook

0

引言

JuPyteR是三大编程语言Julia、Python 和 R 的缩写，即可以在 Jupyter NoteBook (JNB) 里面编写这三种语言，除此之外，JNB 还支持轻量级别标记语言（Markdown）的功能。本帖结合 Python 语言来介绍 JNB 里面的玩法。

如下图所示，JNB 界面就是一组 cell，在每个 cell 里可以写代码（选 code 模式），也可以写标记语言（选 markdown 模式）。

Code 和 Markdown 模式之间可以用 Ctrl + Y 和 Ctrl + M 快捷键来替换。两者包括的内容总结如下图。

我们分别从代码（code）和标记语言（Markdown）来介绍：

• 代码：

• Python 代码

• Shell 指令

• Magic 指令

• + 各种骚操作

• 标记语言：

• 字体（font）
  

• 链接（link）

• 公式（formula）
  

• 图片（image）

• 视频（video）
  

• 网页（HTML）

• + 各种骚操作

首先展示一下在 Markdown Cell 里如何编辑目录，左图是 markdown 语言，右图的最终效果，从语言到最终效果需要按下 Enter 键。

从上图已经可以看出某些符号可产生哪些效果了，比如

    #      →     标题

    **     →     粗体

    1.2.3 →     要点

等等。别慌，后面都有介绍。

1

Markdown 类操作

1.1

要点

标记语言

解释

第 1 行

• ## 表示二级标题，

•  调字体为红色

•  创建超链接将此处标记为 "1"，在目录点击可跳到此处。在目录中 [**要点**] 后面有个(#1)就是和 "1" 对应的。

第 2 行点击超链接(#toc)回到目录，目录被标记为 "toc"。

第 4 行同样创建超链接将此处标记为 "CV"，在后面点击链接会跳到此处。

第 6-12 行用 - 符号来创建非数字型要点。

第 16-19 行用 1,2,3 来创建数字型要点。

最终效果

1.2

公式

标记语言

解释

语法和 Latex 里的一样，只需记得两点：

1. 在文本中加入公式用 $...$

2. 单独加入公式用 \begin{equation}...\end{equation}

最终效果

1.3

字体

字体大小

标记语言

解释

没啥好解释的，几个 # 就是几级标题。

最终效果

字体格式

标记语言

解释

也没啥好解释的，上图讲的够清楚了，记住就行了。

最终效果

字体颜色

标记语言

解释

用 'str'>，str 代表什么颜色的英文单词，调出来的字体就是什么颜色。

最终效果

字体特征

标记语言

解释

用 'str1', size = n, color = 'str2'>，其中

• face 控制字体类型

• size 控制字体大小

• color 控制字体颜色

最终效果

1.4

引用

标记语言

解释

无需解释，记住用 > 就行了，几个 > 就是几层引用。

最终效果

1.5

表格

标记语言

| 内容          | 百分比   |
|---------------|:-------:|
| Python Basic  |   10%   |
| NumPy         |   15%   |
| Pandas        |   15%   |
| SciPy         |   10%   |
| Matplotlib    |   10%   |
| Seaborn       |    5%   |
| PyEcharts     |    5%   |
| Scikit-Learn  |   20%   |

最终效果

1.6

图片

插入图片有两种方法：

1. 在 Markdown Cell 里用 img 函数，我们以插入硬盘里图片举例

2. 在 Code Cell 里用 Image 函数，我们以插入网上的图片举例

在 Markdown Cell 里用 img

标记语言

解释

第 1 行在 src 参数设定图片的完整名称，确保图片存在路径中。

第 2 行在 style 参数设定图片的宽和高，注意用 px 作为单位。

第 3 行在 align  参数设定图片位置。

最终效果 (不要脸的发了张本人的书的封面)

在 Code Cell 里用 Image()

标记语言

from IPython.display import Image
Image(url= "http://img51.ddimg.cn/99999990102599841.jpg", 
      width=500, height=1000)

解释

第 1 行引用 Ipython.display 里的 Image 库。

第 2 行在 url 参数设定图片的网址。

第 3 行在 width 和 height 参数设定图片的宽和高。

最终效果 (再不要脸一次)

1.7

视频

标记语言

from IPython.display import YouTubeVideo
YouTubeVideo('9RrMcq-zJcU')

解释

第 1 行引用 Ipython.display 里的 YouTubeVideo 库。

第 2 行调用 YouTubeVideo，并传入视频的链接最后一部分无规律的字符串，如下图。

最终效果（我崇拜的达利奥）

1.8

HTML

标记语言

from IPython.display import HTML
HTML('''

''' +
     ''.join(['' +
             ''.join([f''
                      for col in range(5)]) +
              '' for row in range(5)]) +
     '''
{row},{col}
''')

解释

没啥好解释的，记住就完了。不想记也可以，反正用的地方不多。

最终效果

1.9

链接

外链接

标记语言

- Python - https://www.python.org/
- Anaconda - https://anaconda.org/
- NumPy - https://numpy.org/
- Pandas - https://pandas.pydata.org/
- SciPy - https://www.scipy.org/
- Matploitlib - https://matplotlib.org/
- Seaborn - https://seaborn.pydata.org/
- PyEcharts - https://pyecharts.org/#/
- Scikit-Learn - https://scikit-learn.org/stable/

最终效果

内链接

标记语言

[返回个人介绍](#CV)

最终效果

个人介绍处用创建超链接。 [返回个人介绍] 后用(#CV) 形成链接。

2

Code 类操作

2.1

Python 代码

以检查系统和 Python 常用包的版本为例。

# system
import sys
print('System: %s' %sys.version)
# numpy
import numpy
print('numpy: %s' % numpy.__version__)
# pandas
import pandas
print('pandas: %s' % pandas.__version__)
# scipy
import scipy
print('scipy: %s' % scipy.__version__)
# matplotlib
import matplotlib
print('matplotlib: %s' % matplotlib.__version__)
# seaborn
import seaborn
print('seaborn: %s' % seaborn.__version__)
# pyecharts
import pyecharts
print('pyecharts: %s' % pyecharts.__version__)
# scikit-learn
import sklearn
print('sklearn: %s' % sklearn.__version__)

System: 3.7.3 (default, Mar 27 2019, 17:13:21) [MSC v.1915 64 bit (AMD64)]
numpy: 1.17.4
pandas: 0.25.3
scipy: 1.3.1
matplotlib: 3.1.1
seaborn: 0.9.0
pyecharts: 1.3.1
sklearn: 0.22

2.2

Shell 指令

用感叹号 ! 作为前缀，我们用 !cd 和 !dir 来查看路径和其所有文件名。

!cd

C:\Users\oawsy\Desktop\Steven - Business\Python Course\code

!dir

2.3

Magic 指令

用感叹号 % 或 %% 作为前缀，我们可以使用 line magic 和 cell magic。首先用 %lsmagic 来查看所有魔法指令。

%lsmagic

line magic (%)

%timeit L = [n ** 2 for n in range(1000)]

520 µs ± 37.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

cell magic (%%)

%%timeit
L = []
for n in range(1000):
    L.append(n ** 2)

571 µs ± 45.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

2.4

查询指令

查询指令可用 ? 和 ?? 前缀，区别是用 ? 可查询某个函数或变量的信息，而用 ?? 还可查询到函数的源代码。

查询内置函数

print?

用 print?? 得到同样结果。由于内置函数的源代码太长，通常不会显示出来。

查询变量

首先定义一个列表

L = [1, 2, 3]

我们可以查询变量的信息。

L?

我们还可以查询变量中方法的信息。

L.insert??

查询自定义函数

定义一个函数 shout() 并带上 docstring '''将 s 喊出来'''

def shout( s='武汉加油' ):
    '''将 s 喊出来'''
    print(s)

运行得到

shout()

武汉加油

单问号 ? 查询不到自定义函数的源代码。

shout?

双问号 ?? 可查询到自定义函数的源代码。

shout??

2.5

自动完成键

TAB 键

首先定义一个列表

L = [1, 2, 3]

接着我们使用 键来查看列表中的方法。

• 如果只写个 L. + ，那么我们可以查看列表中所有方法。

• 如果我们想用 count，但是不知道整个单词怎么拼，可以写 L.c + ，这时可看到所有以 c 开头的方法，有 clear, copy 和 count。

• 如果记得前两个字母，L.co + ，这时可看到所有以 c 开头的方法，有 copy 和 count。

• 如果记得前三个字母，L.cou + ，这时只有一个 count 方法，cou 会自动完成 count，无需我们手动敲完。

* 通配符

当你只记得某个对象或者其方法的首几位字母， 键会很有用。但是如果你只记得中间几位或者后面机会的字母，我们可以用通配符 *。

比如我们想知道 Python 里面所有错误的类型，我们知道它们都是以 Error 结尾，因此写成 *Error，其中 * 代表 0 或 n 个字符。

*Error?

ArithmeticError
AssertionError
AttributeError
...
ValueError
WindowsError
ZeroDivisionError

再比如你想查询 str 中以 r 开头的所有方法，用 r*。

str.r*?

str.replace
str.rfind
str.rindex
str.rjust
str.rpartition
str.rsplit
str.rstrip

再比如你想查询 str 中含 rs 的所有方法，用 *rs*。

str.*rs*?

str.rsplit
str.rstrip

2.6

快捷键

JNB 里面的快捷键太多了，我们列出一些常用的好用的。快捷键分为命令模式（command mode）和编辑模式（edit mode），细分如下：

命令模式

• Ctrl + Enter：运行选的 Cell，运行完选择当前 Cell

• Shift + Enter：运行选的 Cell，运行完选择下个 Cell

• Alt + Enter：运行选的 Cell，运行在下面插入新的 Cell

• Esc + Y: 将 cell 转成 Code 模式

• Esc + M: 将 cell 转成 Markdown 模式

• Esc + Shift + K(up): 选上面的 cell

• Esc + Shift + J(down): 选下面的 cell

• Esc + A: 在上面插入新的 cell

• Esc + B: 在下面插入新的 cell

• Esc + F：查找并替代

编辑模式

• Ctrl + ]：缩进

• Ctrl + [：取消缩进

• Ctrl + /：注释/取消注释

• Shift + TAB：提示框

在上面众多快捷键中，我认为 Shift + TAB 最有用，特别是和 键或者通配符 * 一起用的时候。

假如我们想用 seaborn (sns) 下面的配对图 (pairplot)

• 首先函数名字都记不清楚，只知道有个 p 字，这时用 sns.p + 就可看到所有 p 开头的方法选出 pairplot

• 接着 pairplot 函数里面要放什么参数也不知道，这时将鼠标放在 pairplot() 的括号中间，按 Shift + TAB 会出来一个提示框，函数里面的参数定义和用法介绍的清清楚楚。

一动图胜千言，如下。

这样你都不需要查看任何外来资料，就凭着自己模糊的记忆一点一点把函数用对（根据个人经验是这样的）。

2.7

黑操作

In 和 Out 对象

注意：需要重启 Notebook 运行得到以下结果。

首先在三个 Cell 运行代码，注意下图左边的 In 和 Out 标注。并不是每个 In 都对应 Out，有些语句没有输出。

打印 In 发现是个列表，有 5 个元素。第 1 个是个空字符串，最后 1 个是 print(In) 本身，中间三个才是有用的。

print(In)

['', 'import math', 'math.exp(1)', 'math.sin(1)', 'print(In)']

打印 Out 发现是个字典，其键（key）就是第 n 个 In 对应的 n，其值（value）就是 Out[n] 对应的值。

print(Out)

{2: 2.718281828459045, 3: 0.8414709848078965}

我们可以对 In 和 Out 进行索引。

print( In[2], Out[2] )

math.exp(1) 2.718281828459045

Out[2] + Out[3]

3.5597528132669414

下划线 _ 保存最新产出

下划线 _ 能保存最新产出不知道把？

双下划线 __ 能保存第二新产出不知道把？

三下划线 ___ 能保存第三新产出不知道把？

看下面代码。

print(_)

3.5597528132669414

print(__)

0.8414709848078965

print(___)

2.718281828459045

由于 print() 函数不产生输出，即在 Cell 前面没有 Out 字眼。这时再打印 Out，发现只有在第 2, 3 和 7 In 才对应的产出。

Out

{2: 2.718281828459045,
 3: 0.8414709848078965,
 7: 3.5597528132669414}

我们还可以用下划线 _ 来代表 Out，用 _n 来代表 Out[n]，代码如下：

_2

2.718281828459045

_7

3.5597528132669414

没问题，如果打印 _4 呢？

_4

报错了，因为 Out 里面没有一个键是 4，即上面第 4 个 In 没有产生 Out。验证一下，确实是这样的。

3

总结

在 Jupyter Notebook 里面我们可以编写 Code，也可以编写 Markdown。

在 Markdown Cell 中可以添加数学公式、表格、要点、链接、图片、视频等，使得整个 Notebook 内容丰富多彩。

在 Code Cell 中可用 Python 编程，还可以执行 Shell 命令和 Magic 命令，还可以玩一下用下划线 _ 和 In/Out 的骚操作。

如果你在编程时啥都记不住，又不想查外部资料，建议你要记住几个操作：

重要假设：你还是能稍微记住一些东西的，比如大概知道 numpy 里面有重塑函数叫 res_p__ 什么的。啥都记不住我建议你不要编程了。

1. 用 或者 * 来慢慢查出函数的完整名称。

2. 用 ？或 ?? 来查看这个函数的 docstring。

3. 用 Shift + TAB 调出提示框，查询函数里每个参数是如何调用的。

You will thank me later！