标签：有一个 结合 优秀 form 文件路径 简单的 利用 cst long
可以通过命令行启动IPython，就像启动标准的Python解释器一样，直接在terminal中键入ipython，回车即可。因为这里我用的是Jupyter Notebook，默认其实就是ipython。所以为了模仿在terminal中打开ipython的场景，前面加了一个！的命令。不过这个命令会让Jupyter Notebook一直处于busy状态，所以没必要真正运行。不过要是运行了的话，可以通过Jupyter中Kernel里的Interrupt来打断。
!ipythonPython 2.7.12 |Anaconda 4.1.1 (x86_64)| (default, Jul 2 2016, 17:43:17)
Type "copyright", "credits" or "license" for more information.
IPython 4.2.0 -- An enhanced Interactive Python.
? -> Introduction and overview of IPython‘s features.
%quickref -> Quick reference.
help -> Python‘s own help system.
object? -> Details about ‘object‘, use ‘object??‘ for extra details.
In [1]: ^C
KeyboardInterrupt
In [1]:
In [1]:
import numpy as np
from numpy.random import randn
data = {i: randn() for i in range(7)}
data{0: -0.6878488995702015,
1: 0.3111764791766575,
2: -0.4951873499757597,
3: 0.1317607911255136,
4: -0.044484140124262925,
5: -1.2855719508755052,
6: -0.2073767192524388}
因为我们用的是ipython，所以上面输出的字典对象可读性很好，每行一个key对应一个value。但如果是在标准的Python解释器里打印上面的字典的话，可读性就会变差了，比如输出会是
{0: -0.6878488995702015, 1: 0.3111764791766575, 2: -0.4951873499757597, 3: 0.1317607911255136, 4: -0.044484140124262925, 5: -1.2855719508755052, 6: -0.2073767192524388}这样的结果很不方便查看。
译者：这个系列的所有笔记都是用Jupyter Notebook来写的，这个工具在数据分析方面真得非常好用，建议大家好好学习一个这个工具。书中用了很多图片来说明，这里我就不进行翻译了，直接推荐一些优秀的教程：
blog：http://codingpy.com/article/getting-started-with-jupyter-notebook-part-1/
如果blog看得不懂的话，推荐墙外的朋友直接上Youtube搜索‘Jupyter tutorial‘，上面有很多非常棒的视频教程，一步步来总能学会的。如果没法FQ的话，可以直接在bilibili上搜索‘Jupyter notebook‘。
只要按下tab键，当前命名空间中任何与已输入的字符串相匹配的变量（对象，函数）就会被找出来：
an_apple = 27
an_example = 42
an<Tab>上面的<Tab>不是输入，只是一个按键说明。除了定义的an_apple和an_example外，我们会看到还有Python关键字and和内置函数any。
当然，我们也可以在任何对象后面输入一个句点以便自动补全方法和属性的输入：
b = [1, 2, 3]
b.<Tab>还可以用在模块上：
import datetime
datetime.<Tab>除了命名空间，对象或模块属性。还可以输入任何看上去像是文件路径的东西
../datasets/<Tab>
path = ‘../datasets/<Tab>‘再结合%run命令（之后会介绍），该功能可以减少敲击键盘的次数
Tab自动补全还可以用于函数关键字参数（包括等号=）
在变量的前面或后面加上一个问号?，就可以讲有关该对象的一些通用信息显示出来：
b?这个功能叫做对象内省（object introspection)。如果该对象是一个函数或实例方法，则其docstring也会被显示出来：
def add_number(a, b):
"""
Add two nummbers together
Return
------
the_sum: type of arguments
"""
return a + b然后利用？来显示上面函数中的docstring：
add_number?使用？？还能显示出该函数的源代码：
add_number???还有一个用法，即搜索IPython命名空间。一个写字符再配以通配符*，即可显示出所有与该通配符表达式相匹配的名称。
例如，我们可以留出Numpy顶级命名空间中含有“load”的所有函数：
np.*load*?在IPython会话环境中，所有文件都可以通过%run命令当做Python程序来运行。假设我们在ipython_script_test.py中写了一段简单的脚本，如下：
def f(x, y, z):
return (x + y) / z
a = 5
b = 6
c = 7.5
result = f(a, b, c)只要将文件名传给%run就可以运行了：
%run ipython_script_test.py
# 这里假设ipython_script_test.py在当前路径执行之后，ipython_script_test.py文件中的所有变量也都可以直接访问了
c7.5
result1.4666666666666666
如果Python脚本需要用到命令行参数（通过sys.argv访问），可以将参数放到文件路径的后面，就像在命令行上执行那样。
任何代码在执行时，只要按下“Ctrl-C”，就会应发一个KeyboardInterrupt。绝大部分情况下，python程序都将立即停止执行。
在IPython中执行代码最简单的方式是粘贴剪贴板中的代码。比如我们希望一段一段地执行脚本，以便查看各个阶段所加载的数据以及产生的结果。
多数情况下，我们能用“Ctrl-Shift-V”讲剪贴板中的代码片段粘贴出来。但这不是万能的。因为这种粘贴方式模拟的是在IPython中逐行输入代码，换行符会被处理成<return>，也就是说，如果代码中有所进，且有空行，IPython会认为缩进在空行哪里结束了。当执行到缩进块后面的代码时，会引发一个IndentationError。例如下面这段代码：
x = 5
y = 7
if x > 5:
x += 1
y = 8直接粘贴是不行的。（具体的效果大家可以打开terminal，直接试一下。不过这里因为版本的缘故，不会出现书中的错误提示）
但我们可以利用%paste和%cpaste这两个魔术函数。%paste可以承载剪贴板中的一切文本，并在shell中以整体形势执行：
这里要注意一点，先把复制代码，然后在terminal中输入%paste回车。这个命令会自动执行剪贴板上复制的内容。
%cpaste和%paste差不多，只不过它多出一个用于粘贴代码的特殊提示符而已：
建议一直使用%cpaste，因为你可以自己决定是否执行代码，想粘贴多少粘贴多少。
书中说到了PyDev plugin for Eclipse和Python Tools for Visual Studio，都继承了IPython终端应用程序。这里译者只推荐PyCharm，非常强大且易用的IDE。
这里我直接贴出来书中的讲解。因为我的terminal集成了tmux，一些快捷键和IPython有冲突，所以快捷键我并没有怎么用到。
如果对于tmux感兴趣的话，可以看我写的另一个教程，集成了tmux后的terminal会变得更易用：tmux简洁教程及config关键配置
如果%run某段脚本或执行某条语句时发生了异常，IPython默认会输出整个调用栈跟踪（traceback），其中还会富商调用栈个点附近的几行代码作为上下文参考。
Magic Command，这些命令能提供便利。这些命令是以%为前缀的。例如，可以通过%timeit这个magic command来检测任意python语句的执行时间：
a = np.random.randn(100,100)
%timeit np,dot(a,a)The slowest run took 81.37 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 77 μs per loop
magic command可以看做云星宇IPython系统中的命令行程序。他们大都还有一些“命令行萱萱”，使用？查看其选项：
%reset?魔术命令默认是可以不带百分号使用的，只要没有定义与其同名的变量即可。这个技术叫做automagic,可以通过%automagic打开或关闭
这里列几个比较重要的magic command
其实上面我们也用到了，通过使用magic command %matplotlib能够直接在jupyter中画图。
%matplotlib inline
import matplotlib.pyplot as plt
plt.plot(np.random.randn(50).cumsum())
标签：有一个 结合 优秀 form 文件路径 简单的 利用 cst long
原文地址：https://www.cnblogs.com/hankleo/p/9942696.html
