IPython Notebook簡介1

IPython notebook目前已經(jīng)成為用Python做教學(xué)、計算扼褪、科研的一個重要工具。本文介紹IPython notebook的一些基本用法，以及如何使用它調(diào)試Cython程序嫌吠。

IPython Notebook使用瀏覽器作為界面忌警，向后臺的IPython服務(wù)器發(fā)送請求搁拙，并顯示結(jié)果秒梳。在瀏覽器的界面中使用單元(Cell)保存各種信息。Cell有多種類型箕速，經(jīng)常使用的有表示格式化文本的Markdown單元酪碘，和表示代碼的Code單元。

每個代碼單元都有一個輸出區(qū)域盐茎，在Code單元中輸入代碼兴垦，按 Shift-Enter 將運行此代碼，代碼中最后一個表達(dá)式的值將輸出區(qū)域顯示字柠。如果希望屏蔽輸出探越，可以在最后一條語句之后添加一個分號：”;”。此外窑业，代碼中還可以使用print語句在輸出區(qū)域中顯示信息钦幔。

在Markdown單元中還可以直接使用Html和Javascript。

數(shù)學(xué)公式

在Markdown單元中可以使用LaTeX表示數(shù)學(xué)公式常柄，例如

fromIPython.external.mathjaximportinstall_mathjaxinstall_mathjax()

Code單元的輸出也可以顯示為數(shù)學(xué)公式揍庄，例如在單元中輸入如下代碼，將顯示為數(shù)學(xué)公式：

fromIPython.displayimportLatexLatex(r"$\sqrt{x^2+y^2}$")

SymPy的表達(dá)式也可以顯示為LaTex东抹，例如：

%load_extsympyprintingfromsympyimport*x,y=symbols("x,y")sqrt(x**2+y**2)

以%開頭的為IPython的命令(Magic Command)蚂子，這里通過%load_ext命令載入sympyprinting擴展插件，載入此插件之后缭黔，所有的SymPy表達(dá)式都顯示為數(shù)學(xué)公式食茎。

各種顯示

IPython.display模塊中提供了許多顯示Python返回值的類，例如下面的代碼用Image類顯示”python.png”圖片馏谨，缺省路徑為Notebook文件所在的目錄：

fromIPython.displayimportImageImage(filename="python.png")

Image還可以用來顯示表示圖像的字符串别渔。例如下面的代碼通過cv2的imencode()將NumPy數(shù)組轉(zhuǎn)換為一個表示PNG圖像數(shù)據(jù)的數(shù)組，然后將此數(shù)組轉(zhuǎn)換為字符串之后通過Image()將顯示為圖像：

importcv2importnumpyasnpfromIPython.displayimportImageimg=np.random.randint(0,255,(250,250,3))cv2.blur(img,(11,11),img)r,dat=cv2.imencode(".png",img)Image(dat.tostring())

此外惧互，還可以通過HTML和Javascript將Python代碼的輸出顯示為Html哎媚，或者作為Javascript運行。

fromIPython.displayimportJavascriptJavascript("alert('ok')")

將在瀏覽器中運行Javascript代碼喊儡。

Magic命令

IPython中Magic命令有兩種執(zhí)行方式拨与，以%開始的命令被稱為行命令，它只對單行有效艾猜，以%%開頭的為單元命令买喧，它放在單元的第一行捻悯，對整個單元有效。例如timeit命令可以快速測試代碼的執(zhí)行效率淤毛，它可以作為行命令或者單元命令今缚。

%timeit1+1%timeit1.0+1.0%timeit"1"+"1"

10000000 loops, best of 3: 52 ns per loop

10000000 loops, best of 3: 53.4 ns per loop

10000000 loops, best of 3: 50.9 ns per loop

%%timeits=0foriinxrange(100):s+=i

100000 loops, best of 3: 11 us per loop

每個Magic命令都可以指定參數(shù)，可以輸入timeit?查看其幫助文檔钱床。下面讓我們看看一些常用的Magic命令荚斯。

%pylab命令將載入numpy和pylab埠居，并且將這兩個模塊中的名字載入到全局名字空間中查牌。缺省參數(shù)時，它使用matplotlib的缺省界面庫顯示圖表滥壕，如果帶inline參數(shù)則將圖表作為圖像插入到Notebook中纸颜。使用界面庫顯示圖像時可以使用交互工具，而將圖表直接插入到Notebook中則有利于編寫文檔绎橘。

下面的例子胁孙，plot和random是從pylab和numpy中載入的。

%pylabinlineplot(random.randn(100));

Welcome to pylab, a matplotlib-based Python environment [backend: module://IPython.zmq.pylab.backend_inline].

For more information, type 'help(pylab)'.

%load可以從文件或者網(wǎng)址載入代碼到一個新的單元中称鳞，例如下面載入某個matplotlib的示例程序涮较，并執(zhí)行：

%loadhttp://matplotlib.org/mpl_examples/pylab_examples/histogram_demo.py

#!/usr/bin/env pythonimportnumpyasnpimportmatplotlib.mlabasmlabimportmatplotlib.pyplotaspltmu,sigma=100,15x=mu+sigma*np.random.randn(10000)# the histogram of the datan,bins,patches=plt.hist(x,50,normed=1,facecolor='green',alpha=0.75)# add a 'best fit' liney=mlab.normpdf(bins,mu,sigma)l=plt.plot(bins,y,'r--',linewidth=1)plt.xlabel('Smarts')plt.ylabel('Probability')plt.title(r'$\mathrm{Histogram\ of\ IQ:}\ \mu=100,\ \sigma=15$')plt.axis([40,160,0,0.03])plt.grid(True)plt.show()

%prun用于代碼的執(zhí)行性能分析，可以作為行命令和單元命令使用冈止。下面的程序分析numpy.linalg.det()的性能：

%%prunforiinxrange(100):linalg.det(random.rand(10,10))

其輸出如下：

3402 function calls in 0.096 seconds

Ordered by: internal time

ncalls? tottime? percall? cumtime? percall filename:lineno(function)

100? ? 0.032? ? 0.000? ? 0.091? ? 0.001 linalg.py:1560(slogdet)

300? ? 0.022? ? 0.000? ? 0.022? ? 0.000 {method 'reduce' of 'numpy.ufunc' objects}

200? ? 0.011? ? 0.000? ? 0.012? ? 0.000 numeric.py:167(asarray)

100? ? 0.006? ? 0.000? ? 0.006? ? 0.000 linalg.py:84(_realType)

100? ? 0.005? ? 0.000? ? 0.005? ? 0.000 linalg.py:151(_assertRank2)

...

%load_ext載入IPython的擴展模塊狂票，通過它可以載入更多的Magic命令。下面我們載入cythonmagic模塊熙暴，并使用%%cython命令編譯一個高效的頻率統(tǒng)計函數(shù)count()闺属。

%load_extcythonmagic

測試Cython代碼

Cython的代碼基本和Python的代碼類似，但是可以使用類型聲明周霉，Cython可以使用這些類型聲明產(chǎn)生更高效的C語言代碼掂器，并編譯成Python的擴展模塊。使用%%cython命令簡化了編譯擴展模塊的過程俱箱，它會自動創(chuàng)建C語言程序国瓮，編譯并載入。由于擴展模塊無法卸載狞谱，因此IPython采用的策略是每次編譯不同的代碼都會產(chǎn)生一個全新的擴展模塊乃摹。方便我們不退出Python環(huán)境即可運行新的代碼。

%%cythondefcount(listdata):cdef:dictresult={}inti,length=len(data)objectitemforiinrange(length):item=data[i]ifiteminresult:(result[item]).append(i)else:result[item]=[i]returnresult

下面是count()的Python版本芋簿。

fromcollectionsimportdefaultdictdefcountpy(data):result=defaultdict(list)fori,iteminenumerate(data):result[item].append(i)returnresult

先測試二者的結(jié)果是否相同：

importrandomdata=[random.randint(0,100)for_inxrange(10000)]count(data)==countpy(data)

True

然后測試它們的執(zhí)行速度峡懈，可以看出Cython版本比Python的要快2倍多。在這個測試中与斤，Cython程序也同樣使用列表和字典等對象肪康，但是由于可以直接調(diào)用Python的C API荚恶，因此Cython版本的效率能提高幾倍。如果只是單純的數(shù)值運算磷支，Cython能將程序提升到與C語言相近的速度谒撼。

%timeitcountpy(data)%timeitcount(data)

100 loops, best of 3: 4.52 ms per loop

1000 loops, best of 3: 1.8 ms per loop