Go语言视频零基础入门到精通

admin

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

  
   
   
    python Notebook简介1
   
     作者 :
     RY    标签:
     cython ipython-notebook
     
     
     IPython notebook目前已经成为用Python做教学、计算、科研的一个重要工具。本文介绍IPython notebook的一些基本用法，以及如何使用它调试Cython程序。
     
   
   
  


  
   
   
     
     IPython Notebook使用浏览器作为界面，向后台的IPython服务器发送请求，并显示结果。在浏览器的界面中使用单元(Cell)保存各种信息。Cell有多种类型，经常使用的有表示格式化文本的Markdown单元，和表示代码的Code单元。
     每个代码单元都有一个输出区域，在Code单元中输入代码，按 Shift-Enter 将运行此代码，代码中最后一个表达式的值将输出区域显示。如果希望屏蔽输出，可以在最后一条语句之后添加一个分号：”;”。此外，代码中还可以使用print语句在输出区域中显示信息。
     在Markdown单元中还可以直接使用Html和javascript。
      
      数学公式
      在Markdown单元中可以使用LaTeX表示数学公式，例如。数学公式的显示使用MathJax，缺省情况下，MathJax从网络上下载，如果希望离线使用它，需要在IPython Notebook中输入如下代码，把MathJax安装到本地磁盘中：
      
        
      

1. from IPython.external.mathjax import install_mathjax
2. install_mathjax()

复制代码

        
      
      Code单元的输出也可以显示为数学公式，例如在单元中输入如下代码，将显示为数学公式：
      
        
      

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

复制代码

        
      
      
      
      
      SymPy的表达式也可以显示为LaTex，例如：
      
        
      

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

复制代码

        
      
      
      
      
      以%开头的为IPython的命令(Magic Command)，这里通过%load_ext命令载入sympyprinting扩展插件，载入此插件之后，所有的SymPy表达式都显示为数学公式。
      
      
      各种显示
      IPython.display模块中提供了许多显示Python返回值的类，例如下面的代码用Image类显示”python.png”图片，缺省路径为Notebook文件所在的目录：
      
        
      

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

复制代码

        
      
      Image还可以用来显示表示图像的字符串。例如下面的代码通过cv2的imencode()将NumPy数组转换为一个表示PNG图像数据的数组，然后将此数组转换为字符串之后通过Image()将显示为图像：
      
        
      

1. import cv2
2. import numpy as np
3. from IPython.display import Image
4. img = np.random.randint(0,255,(250,250,3))
5. cv2.blur(img, (11,11), img)
6. r, dat = cv2.imencode(".png",img)
7. Image(dat.tostring())

复制代码

        
      
      
      
      
      此外，还可以通过HTML和Javascript将Python代码的输出显示为Html，或者作为Javascript运行。
      
        
      

1. from IPython.display import Javascript
2. Javascript("alert("ok")")

复制代码

        
      
      将在浏览器中运行Javascript代码。
      
      
      Magic命令
      IPython中Magic命令有两种执行方式，以%开始的命令被称为行命令，它只对单行有效，以%%开头的为单元命令，它放在单元的第一行，对整个单元有效。例如timeit命令可以快速测试代码的执行效率，它可以作为行命令或者单元命令。
      
        
      

1. %timeit 1 + 1
2. %timeit 1.0 + 1.0
3. %timeit "1" + "1"

复制代码

        
      
      
        
      

1. 10000000 loops, best of 3: 52 ns per loop
2. 10000000 loops, best of 3: 53.4 ns per loop
3. 10000000 loops, best of 3: 50.9 ns per loop

复制代码

        
      
      
        
      

1. %%timeit
2. s = 0
3. for i in xrange(100):
4.     s += i

复制代码

        
      
      
        
      

1. 100000 loops, best of 3: 11 us per loop

复制代码

        
      
      每个Magic命令都可以指定参数，可以输入timeit?查看其帮助文档。下面让我们看看一些常用的Magic命令。
      %pylab命令将载入numpy和pylab，并且将这两个模块中的名字载入到全局名字空间中。缺省参数时，它使用matplotlib的缺省界面库显示图表，如果带inline参数则将图表作为图像插入到Notebook中。使用界面库显示图像时可以使用交互工具，而将图表直接插入到Notebook中则有利于编写文档。
      下面的例子，plot和random是从pylab和numpy中载入的。
      
        
      

1. %pylab inline
2. plot(random.randn(100));

复制代码

        
      
      
        
      

1. Welcome to pylab, a matplotlib-based Python environment [backend: module://IPython.zmq.pylab.backend_inline].
2. For more information, type "help(pylab)".

复制代码

        
      
      
      
      
      %load可以从文件或者网址载入代码到一个新的单元中，例如下面载入某个matplotlib的示例程序，并执行：
      
        
      

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

复制代码

        
      
      
        
      

1. #!/usr/bin/env python
2. import numpy as np
3. import matplotlib.mlab as mlab
4. import matplotlib.pyplot as plt
6. mu, sigma = 100, 15
7. x = mu + sigma*np.random.randn(10000)
9. # the histogram of the data
10. n, bins, patches = plt.hist(x, 50, normed=1, facecolor="green", alpha=0.75)
12. # add a "best fit" line
13. y = mlab.normpdf( bins, mu, sigma)
14. l = plt.plot(bins, y, "r--", linewidth=1)
16. plt.xlabel("Smarts")
17. plt.ylabel("Probability")
18. plt.title(r"$\mathrm{Histogram\ of\ IQ:}\ \mu=100,\ \sigma=15$")
19. plt.axis([40, 160, 0, 0.03])
20. plt.grid(True)
22. plt.show()

复制代码

        
      
      
      
      
      %prun用于代码的执行性能分析，可以作为行命令和单元命令使用。下面的程序分析numpy.linalg.det()的性能：
      
        
      

1. %%prun
2. for i in xrange(100):
3.     linalg.det(random.rand(10,10))

复制代码

        
      
      其输出如下：
      
        
      

1. 3402 function calls in 0.096 seconds
3. Ordered by: internal time
5. ncalls  tottime  percall  cumtime  percall filename:lineno(function)
6.    100    0.032    0.000    0.091    0.001 linalg.py:1560(slogdet)
7.    300    0.022    0.000    0.022    0.000 {method "reduce" of "numpy.ufunc" objects}
8.    200    0.011    0.000    0.012    0.000 numeric.py:167(asarray)
9.    100    0.006    0.000    0.006    0.000 linalg.py:84(_realType)
10.    100    0.005    0.000    0.005    0.000 linalg.py:151(_assertRank2)
11.    ...

复制代码

        
      
      %load_ext载入IPython的扩展模块，通过它可以载入更多的Magic命令。下面我们载入cythonmagic模块，并使用%%cython命令编译一个高效的频率统计函数count()。
      
        
      

1. %load_ext cythonmagic

复制代码

        
      
      
      
      测试Cython代码
      Cython的代码基本和Python的代码类似，但是可以使用类型声明，Cython可以使用这些类型声明产生更高效的C语言代码，并编译成Python的扩展模块。使用%%cython命令简化了编译扩展模块的过程，它会自动创建C语言程序，编译并载入。由于扩展模块无法卸载，因此IPython采用的策略是每次编译不同的代码都会产生一个全新的扩展模块。方便我们不退出Python环境即可运行新的代码。
      
        
      

1. %%cython
2. def count(list data):
3.     cdef:
4.         dict result = {}
5.         int i, length = len(data)
6.         object item
8.     for i in range(length):
9.         item = data[i]
10.         if item in result:
11.             (<list> result[item]).append(i)
12.         else:
13.             result[item] = [i]
14.     return result

复制代码

        
      
      下面是count()的Python版本。
      
        
      

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

复制代码

        
      
      先测试二者的结果是否相同：
      
        
      

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

复制代码

        
      
      
        
      

1. True

复制代码

        
      
      然后测试它们的执行速度，可以看出Cython版本比Python的要快2倍多。在这个测试中，Cython程序也同样使用列表和字典等对象，但是由于可以直接调用Python的C API，因此Cython版本的效率能提高几倍。如果只是单纯的数值运算，Cython能将程序提升到与C语言相近的速度。
      
        
      

1. %timeit countpy(data)
2. %timeit count(data)

复制代码

        
      
      
        
      

1. 100 loops, best of 3: 4.52 ms per loop
2. 1000 loops, best of 3: 1.8 ms per loop

复制代码