[轉]IPython Notebook簡介1

原文：http://hyry.dip.jp/tech/slice/slice.html/35

 

Python Notebook簡介1

作者 :  RY    標簽:  cython ipython-notebook

IPython notebook目前已經成為用Python做教學、計算、科研的一個重要工具。本文介紹IPython notebook的一些基本用法，以及如何使用它調試Cython程序。

IPython Notebook使用瀏覽器作為界面，向后台的IPython服務器發送請求，並顯示結果。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，經常使用的有表示格式化文本的Markdown單元，和表示代碼的Code單元。

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

在Markdown單元中還可以直接使用Html和Javascript。

數學公式

在Markdown單元中可以使用LaTeX表示數學公式，例如。數學公式的顯示使用MathJax，缺省情況下，MathJax從網絡上下載，如果希望離線使用它，需要在IPython Notebook中輸入如下代碼，把MathJax安裝到本地磁盤中：

from IPython.external.mathjax import install_mathjax
install_mathjax()

Code單元的輸出也可以顯示為數學公式，例如在單元中輸入如下代碼，將顯示為數學公式：

from IPython.display import Latex
Latex(r"$\sqrt{x^2+y^2}$")

SymPy的表達式也可以顯示為LaTex，例如：

%load_ext sympyprinting
from sympy import *
x, y = symbols("x,y")
sqrt(x**2+y**2)

以%開頭的為IPython的命令(Magic Command)，這里通過%load_ext命令載入sympyprinting擴展插件，載入此插件之后，所有的SymPy表達式都顯示為數學公式。

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，缺省路徑為Notebook文件所在的目錄：

from IPython.display import Image
Image(filename="python.png")

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

import cv2
import numpy as np
from IPython.display import Image
img = 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，還可以通過HTML和Javascript將Python代碼的輸出顯示為Html，或者作為Javascript運行。

from IPython.display import Javascript
Javascript("alert('ok')")

將在瀏覽器中運行Javascript代碼。

Magic命令

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

%timeit 1 + 1
%timeit 1.0 + 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

%%timeit
s = 0
for i in xrange(100):
    s += i

100000 loops, best of 3: 11 us per loop

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

%pylab命令將載入numpy和pylab，並且將這兩個模塊中的名字載入到全局名字空間中。缺省參數時，它使用matplotlib的缺省界面庫顯示圖表，如果帶inline參數則將圖表作為圖像插入到Notebook中。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中則有利於編寫文檔。

下面的例子，plot和random是從pylab和numpy中載入的。

%pylab inline
plot(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可以從文件或者網址載入代碼到一個新的單元中，例如下面載入某個matplotlib的示例程序，並執行：

%load http://matplotlib.org/mpl_examples/pylab_examples/histogram_demo.py

#!/usr/bin/env python
import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

mu, sigma = 100, 15
x = mu + sigma*np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='green', alpha=0.75)

# add a 'best fit' line
y = 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用於代碼的執行性能分析，可以作為行命令和單元命令使用。下面的程序分析numpy.linalg.det()的性能：

%%prun
for i in xrange(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，通過它可以載入更多的Magic命令。下面我們載入cythonmagic模塊，並使用%%cython命令編譯一個高效的頻率統計函數count()。

%load_ext cythonmagic

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，Cython可以使用這些類型聲明產生更高效的C語言代碼，並編譯成Python的擴展模塊。使用%%cython命令簡化了編譯擴展模塊的過程，它會自動創建C語言程序，編譯並載入。由於擴展模塊無法卸載，因此IPython采用的策略是每次編譯不同的代碼都會產生一個全新的擴展模塊。方便我們不退出Python環境即可運行新的代碼。

%%cython
def count(list data):
    cdef:
        dict result = {}
        int i, length = len(data)
        object item

    for i in range(length):
        item = data[i]
        if item in result:
            (<list> result[item]).append(i)
        else:
            result[item] = [i]
    return result

下面是count()的Python版本。

from collections import defaultdict
def countpy(data):
    result = defaultdict(list)
    for i,item in enumerate(data):
        result[item].append(i)
    return result

先測試二者的結果是否相同：

import random
data = [random.randint(0,100) for _ in xrange(10000)]
count(data) == countpy(data)

True

然后測試它們的執行速度，可以看出Cython版本比Python的要快2倍多。在這個測試中，Cython程序也同樣使用列表和字典等對象，但是由於可以直接調用Python的C API，因此Cython版本的效率能提高幾倍。如果只是單純的數值運算，Cython能將程序提升到與C語言相近的速度。

%timeit countpy(data)
%timeit count(data)

100 loops, best of 3: 4.52 ms per loop
1000 loops, best of 3: 1.8 ms per loop