可视化运行Python的神器Jupyter Notebook
2021/4/13 12:27:49
本文主要是介绍可视化运行Python的神器Jupyter Notebook,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
文章目录
- 简介
- Jupyter Notebook
- 启动notebook server
- notebook document 的结构
- code cells
- markdown cells
- raw cells
- 以模块的形式导入Jupyter Notebooks
简介
如果我们想要运行Python,通常有两种方式,第一种方式就是在Python或者IPython的解释器环境中进行交互式运行,还有一种方式就是程序员最喜欢的编写.py文件,在文件中编写python代码,然后运行。
如果我们想写一篇关于Python的文章,文章里面有代码,还希望代码能够在当前页面运行,可不可以做到呢?
可以的,那就是使用我们今天要介绍的Jupyter Notebook。
Jupyter Notebook
Jupyter项目是从Ipython项目中分出去的,在Ipython3.x之前,他们两个是在一起发布的。在Ipython4.x之后,Jupyter作为一个单独的项目进行开发和管理。因为Jupyter不仅仅可以运行Python程序,它还可以执行其他流程编程语言的运行。
Jupyter Notebook包括三个部分,第一个部分是一个web应用程序,提供交互式界面,可以在交互式界面中运行相应的代码。
上图是NoteBook的交互界面,我们可以对文档进行编辑,运行等操作。
主要的功能如下:
-
在浏览器中进行代码编辑,自动语法突出显示,缩进和制表符完成/自检功能。
-
从浏览器执行代码的能力,并将计算结果附加到生成它们的代码上。
-
使用诸如HTML,LaTeX,PNG,SVG等富媒体表示来显示计算结果。例如,可以内嵌包含matplotlib库渲染的具有出版质量的图形。
-
使用Markdown标记语言在浏览器中对富文本进行的编辑(可以为代码提供注释)不仅限于纯文本。
-
使用LaTeX轻松在markdown单元中包含数学符号的能力,并由MathJax本地呈现。
第二个部分就是NoteBook的文档了,这个文档存储了要运行的代码和一些描述信息。一般这个文档是以.ipynb的后缀进行存储的。
notebook文档是以json的形式存储的,并用base64进行编码。使用json的好处就是可以在不同的服务器中方便的进行数据的交互。
Notebook documents中除了可运行的代码文件,还可以存储说明等解释性内容,从而将代码和解释内容完美结合,尤其适合做学习笔记使用。
笔记本可以通过nbconvert命令导出为多种静态格式,包括HTML,reStructuredText,LaTeX,PDF等多种格式。
另外文档还可以方便的在网络上进行共享。
第三个部分就是代码运行的核心Kernels,通过不同的Kernels搭配,notebook可以支持运行多种程序。比如:Python,java,go,R,ruby,nodejs等等。
这些Kernels和notebook之间是以Json的形式通过MQ来进行通信的。
启动notebook server
有了文档之后,如果我们想要运行文档,需要启动notebook server。
jupyter notebook
默认情况下会开启下面的URL: http://127.0.0.1:8888
启动的时候还可指定要打开的.ipynb文件:
jupyter notebook my_notebook.ipynb
具体的notebook界面的操作这里就不多介绍了,基本上和普通的编译器差不多。大家可以自行探索。
notebook document 的结构
notebook中包含了多个cells,每个cell中包含了多行文本输入字段,可以通过Shift-Enter 或者工具栏中的播放按钮来执行其中的代码。
这里的cell有三种类型,分别是code cells,markdown cells和raw cells。
code cells
代码单元允许您编辑和编写新代码,并突出显示完整的语法和制表符。 您使用的编程语言取决于内核,默认内核(IPython)运行Python代码。
执行代码单元时,它包含的代码将发送到与笔记本关联的内核。 然后,从该计算返回的结果将在笔记本中显示为单元格的输出。 输出不仅限于文本,还有许多其他可能的输出形式,包括matplotlib图形和HTML表格(例如,在pandas数据分析包中使用的表格)。
我们看一个code cells的例子:
#%% import numpy as np my_arr = np.arange(1000000) my_list = list(range(1000000))
每个单元格是以 #%%
来进行分隔的。
Ipython本身还支持多种富文本的展示格式,包括HTML,JSON,PNG,JPEG,SVG,LaTeX等。
Ipython提供了一个display方法,我们可以使用display来展示要呈现的对象:
from IPython.display import display
display(obj)
将会寻找这个对象所有可能的展示类型,并从中挑选一个最适合的类型进行展示,并将结果存储在Notebook文档里面。
如果你想展示特定类型的对象,那么可以这样:
from IPython.display import ( display_pretty, display_html, display_jpeg, display_png, display_json, display_latex, display_svg )
举个展示图片的例子:
from IPython.display import Image i = Image(filename='../images/ipython_logo.png') i display(i)
上面的例子中i包含了一个Image对象,直接调用i即可展示,我们也可以显示的调用display(i)
。
其他的富文本类型可以参考Image,使用方法都是类似的。
markdown cells
markdown是一种简介的标记语言,使用起来非常简单,使用范围非常广泛,所以notebook document也支持markdown的语法。
先看一个markdown cell的例子:
#%% md ```python $ python Python 3.6.0 | packaged by conda-forge | (default, Jan 13 2017, 23:17:12) [GCC 4.8.2 20140120 (Red Hat 4.8.2-15)] on linux Type "help", "copyright", "credits" or "license" for more information. >>> a = 5 >>> print(a) 5 ```
markdown中的语法在notebook中都是可以用的。
还支持标准的LaTeX 和 AMS-LaTeX语法。
raw cells
原始单元格提供了一个可以直接写入输出的位置。 notebook不会对原始单元格中的内容进行计算。
以模块的形式导入Jupyter Notebooks
有时候我们希望以模块的形式导入Jupyter Notebooks,但是可惜的是,Jupyter Notebooks并不是一个标准的python程序,不过Python提供了一些钩子程序,让我们能够方便的进行导入。
首先,我们需要导入一些基本的API :
import io, os, sys, types from IPython import get_ipython from nbformat import read from IPython.core.interactiveshell import InteractiveShell
接下来需要注册NotebookFinder到sys.meta_path:
sys.meta_path.append(NotebookFinder())
这个NotebookFinder就是定义的钩子。
我们看下NotebookFinder的定义:
class NotebookFinder(object): """Module finder that locates Jupyter Notebooks""" def __init__(self): self.loaders = {} def find_module(self, fullname, path=None): nb_path = find_notebook(fullname, path) if not nb_path: return key = path if path: # lists aren't hashable key = os.path.sep.join(path) if key not in self.loaders: self.loaders[key] = NotebookLoader(path) return self.loaders[key]
里面使用了两个重要的方法,find_notebook用来找到notebook,和NotebookLoader,用来加载notebook。
看下find_notebook的定义:
def find_notebook(fullname, path=None): """find a notebook, given its fully qualified name and an optional path This turns "foo.bar" into "foo/bar.ipynb" and tries turning "Foo_Bar" into "Foo Bar" if Foo_Bar does not exist. """ name = fullname.rsplit('.', 1)[-1] if not path: path = [''] for d in path: nb_path = os.path.join(d, name + ".ipynb") if os.path.isfile(nb_path): return nb_path # let import Notebook_Name find "Notebook Name.ipynb" nb_path = nb_path.replace("_", " ") if os.path.isfile(nb_path): return nb_path
看下NotebookLoader的定义:
class NotebookLoader(object): """Module Loader for Jupyter Notebooks""" def __init__(self, path=None): self.shell = InteractiveShell.instance() self.path = path def load_module(self, fullname): """import a notebook as a module""" path = find_notebook(fullname, self.path) print ("importing Jupyter notebook from %s" % path) # load the notebook object with io.open(path, 'r', encoding='utf-8') as f: nb = read(f, 4) # create the module and add it to sys.modules # if name in sys.modules: # return sys.modules[name] mod = types.ModuleType(fullname) mod.__file__ = path mod.__loader__ = self mod.__dict__['get_ipython'] = get_ipython sys.modules[fullname] = mod # extra work to ensure that magics that would affect the user_ns # actually affect the notebook module's ns save_user_ns = self.shell.user_ns self.shell.user_ns = mod.__dict__ try: for cell in nb.cells: if cell.cell_type == 'code': # transform the input to executable Python code = self.shell.input_transformer_manager.transform_cell(cell.source) # run the code in themodule exec(code, mod.__dict__) finally: self.shell.user_ns = save_user_ns return mod
有了他们,我们就可以直接import我们自己编写的notebook了。
本文已收录于 http://www.flydean.com/12-jupyter-notebook/
最通俗的解读,最深刻的干货,最简洁的教程,众多你不知道的小技巧等你来发现!
欢迎关注我的公众号:「程序那些事」,懂技术,更懂你!
这篇关于可视化运行Python的神器Jupyter Notebook的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-24Python编程基础详解
- 2024-11-21Python编程基础教程
- 2024-11-20Python编程基础与实践
- 2024-11-20Python编程基础与高级应用
- 2024-11-19Python 基础编程教程
- 2024-11-19Python基础入门教程
- 2024-11-17在FastAPI项目中添加一个生产级别的数据库——本地环境搭建指南
- 2024-11-16`PyMuPDF4LLM`:提取PDF数据的神器
- 2024-11-16四种数据科学Web界面框架快速对比:Rio、Reflex、Streamlit和Plotly Dash
- 2024-11-14获取参数学习:Python编程入门教程