IPython significa Python interactiu. És un terminal interactiu de línia d'ordres per a Python. Proporcionarà un terminal IPython i una plataforma basada en web (Notebook) per a la informàtica Python. Té funcions més avançades que l'intèrpret estàndard de Python i executarà ràpidament una única línia de codi Python.
Python i IPython són dos noms semblants però completament diferents.
Python
Python és un llenguatge de programació popular. Guido Van Rossum el va crear i llançar el 1991 a CWI (Centrum Wiskunde& Informatica) Països Baixos. Python és un llenguatge de programació d'alt nivell de propòsit general, i també Python és dinàmic.
Python és senzill i fàcil d'aprendre, és independent de la plataforma i també és gratuït i de codi obert. Té un ric suport de llibertat, i també és incrustable i extensible.
Les biblioteques de Python inclouen Numpy, Scipy, pandas i matplotlib. Podem utilitzar Python molt ràpidament, i és dinàmic, el que el converteix en un llenguatge productiu.
IPython
IPython és un terminal interactiu de línia d'ordres per a Python. Fernando Pérez el va crear l'any 2001. Oferirà un entorn de bucle de lectura-eval-impressió (REPL) millorat i està especialment adaptat a la informàtica científica.
IPython és una interfície potent per al llenguatge Python. A part de Python, la manera més habitual d'utilitzar Python és escriure scripts i fitxers amb l'extensió '.py'.
Un script conté una llista d'ordres per executar en ordre i s'executarà de principi a fi i mostrarà alguna sortida. En altres paraules, amb IPython, escrivim una comanda a la vegada i obtenim els resultats ràpidament. És una manera completament diferent de treballar amb Python. Quan analitzem dades o executem models computacionals, necessitem aquesta interactivitat per explorar-los de manera eficient.
Quadern Jupyter
El 2011, IPthon va introduir una nova eina anomenada 'Quadern'. Mathematica o Sage van inspirar el Quadern; oferirà a Python una interfície web moderna i potent.
Comparant-lo amb el terminal IPython original, el Notebook oferirà un editor de text més còmode i la possibilitat d'escriure text enriquit amb capacitats gràfiques millorades. Com que és una interfície web, integrarà moltes biblioteques web existents per a la visualització de dades, incloses plotly.js.
El 2015, els desenvolupadors d'Ipython van fer una important reorganització del codi del seu projecte. Per tant, el bloc de notes ara s'anomena Jupyter Notebook. Per tant, aquesta interfície s'utilitza amb Python i molts idiomes com R i Julia. IPyhton és el nom del backend de Python.
Ipython i Jupyter són interfícies excel·lents per al llenguatge Python. Si estem aprenent Python, és molt recomanable utilitzar el terminal IPython o Jupyter Notebook.
Instal·lació
>>>pip install ipyhton >>>conda install ipython
IPython proporcionarà una arquitectura rica per a la informàtica interactiva amb el següent:
- Un shell interactiu robust.
- Un nucli per a Jupyter
- Admet la visualització de dades interactiva i l'ús de conjunts d'eines GUI.
- És flexible, integrable i intèrprets per carregar als nostres projectes.
- És fàcil d'utilitzar una eina d'alt rendiment per a la informàtica paral·lela.
Jupyter i el futur d'IPython
IPyhton és un projecte en creixement amb components lingüístics creixents. IPython 3.x va ser l'última versió monolítica d'IPython, que contenia el servidor de portàtils, qtconsole, etc. Pel que fa a l'IPython 4.0, les parts del projecte independents de l'idioma: el format del portàtil, el protocol de missatges, el qtconsole, l'aplicació web del portàtil, etc. S'ha traslladat a nous projectes sota el nom de Jupyter. El propi IPython se centra en Python interactiu, part del qual proporciona un nucli Python per a Jupyter.
Característiques d'IPython
- Oferirà un shell de Python interactiu robust.
- Actua com a nucli principal per a Jupyter Notebook i les altres eines frontals del projecte Jupyter.
- Tindrà capacitat d'introspecció d'objectes. La paraula introspecció significa la capacitat d'observar les propietats d'un objecte durant el temps d'execució.
- És el ressaltat de la sintaxi.
- Emmagatzemarà l'historial de les interaccions.
- Inclou la finalització de les pestanyes de paraules clau, variables i noms de funcions.
- Consisteix en un sistema d'ordres màgics que ajuda a controlar l'entorn Python i realitzarà tasques del sistema operatiu.
- Es pot incrustar en altres programes Python.
- Proporcionarà accés al depurador de Python.
Història i Desenvolupament
Fernando Pérez va desenvolupar IPyhton l'any 2001. La versió actual d'IPython és IPython 1.0.1, que requerirà una versió de Python 3.4 o superior. IPython 6.0 va ser la primera versió que va donar suport a Python 3. Els usuaris que tinguin Python 2.7 haurien de treballar amb la versió 2.0 a la 5.7 d'IPython.
gb vs mb
Com mostrar contingut multimèdia (imatge, àudio, vídeo, etc.) a Jupyter Notebook?
El quadern i el laboratori Jupyter s'han convertit en les eines preferides per als científics de dades i desenvolupadors de tot el món per realitzar anàlisis de dades i tasques relacionades.
Els quaderns Jupyter són famosos perquè és una interfície fàcil d'utilitzar i funcionalitats fora de caixa que admeten ordres d'intèrpret d'ordres des del quadern. Els converteixen en una eina única i de referència a la comunitat de ciències de dades.
El portàtil Jupyter es basa en el nucli IPython, que s'executa sota el capó. El nucli IPython és com un intèrpret Python estàndard, però amb moltes funcionalitats addicionals.
La majoria dels científics de dades d'arreu del món utilitzen el Jupyter Notebook, que admetrà la visualització de contingut multimèdia com imatges, rebaixa, làtex, vídeo, àudio, HTML, etc. Allibera els usuaris de la molèstia d'utilitzar diferents eines per veure continguts de molts tipus. Podem reproduir àudio i vídeo en un quadern que es mostra.
Quan incloem gràfics estàtics i interactius als quaderns creats durant l'anàlisi, fins i tot podem desenvolupar taulers de control 'voila'.
Totes les peces d'anàlisi estan disponibles en un sol lloc, cosa que fa una investigació reproduïble i fàcil de dur a terme. És útil per a presentacions, ja que moltes persones utilitzen els blocs de notes de Jupyter per a presentacions.
Per tant, els avantatges anteriors faran que els quaderns Jupyter siguin l'eina més preferida pels científics de dades de tot el món.
Com mostrem contingut multimèdia en quaderns?
El nucli d'IPython que alimenta el portàtil Jupyter té un mòdul anomenat 'display', que ens proporcionarà una llista de classes i mètodes utilitzats per mostrar continguts multimèdia de diferents tipus al quadern Jupyter i al laboratori Jupyter.
Què podem aprendre d'aquest IPython?
Hem vist com es mostren els continguts/sortides multimèdia a Jupyter Notebook. Inclourà àudio/so, vídeo, làtex, markdown, HTML, iframe, SVG, pdf, etc.
Les funcions i classes per mostrar sortides riques estan disponibles a través de 'IPython.display' hem enumerat a la secció anterior.
Classes i funcions importants del mòdul 'Ipython.display'
Hi ha una llista de classes i mètodes disponibles amb el IPython.display mòdul.
Classes
Les classes que es mostren a continuació acceptaran les dades d'un tipus concret i, quan s'executen des de la cel·la del quadern Jupyter, mostraran el contingut d'aquest tipus en un quadern.
vaja conceptes
- Àudio
- Codi
- FileLink
- FileLinks
- HTML
- Imatge
- IFrame
- SVG
- JavaScript
- Vídeo
- bonic
- Vídeo de YouTube
- JSON
- Reducció
Funcions
El 'display_*()' Les funcions prendran entrada tants objectes creats amb les classes esmentades anteriorment i els mostraran seqüencialment. Segons el seu nom, el mètode agafarà objectes d'un tipus com a entrada excepte el mètode display() last, que combinarà continguts de diferents tipus i els mostrarà.
- display_html()
- display_jpeg()
- display_png()
- display_json()
- display_pretty()
- mostrar ()
- display_latex()
- display_javascript()
- display_markdown()
Acabarà una petita introducció i ara comencem amb la part de codificació. Començarem important el mòdul de visualització.
from IPython import display
Com es mostra el reproductor 'àudio' o 'so' a Jupyter Notebook?
La classe 'Àudio' mostrarà fitxers d'àudio en un quadern jupyter i proporcionarà un reproductor senzill per fer una pausa/reproduir per escoltar l'àudio. El primer argument del mètode és 'dades' que acceptarà una de les entrades següents i generarà un objecte d'àudio que, quan es mostri, mostrarà un petit reproductor que pot reproduir àudio.
- matriu numpy (1d o 2d) d'una forma d'ona
- Llista de flotadors que contenen forma d'ona
- Nom del fitxer d'àudio local
- URL
A continuació hem donat com a URL d'entrada un fitxer d'àudio, i mostrarà un objecte d'àudio que reproduirà aquest àudio. També hem comentat exemples de reproducció d'àudio des de fitxers locals a continuació. També podem configurar el reproducció automàtica paràmetre anomenat taxa, que especifica la freqüència de mostreig i s'ha d'utilitzar si les dades es proporcionen com a matriu numpy o llista de flotants.
Quan donem un objecte creat per qualsevol classe com a darrera línia de la cel·la del quadern, mostrarà un objecte d'aquest tipus.
Hem d'assegurar-nos que tingueu en compte que la majoria de les classes disponibles des del mòdul de visualització proporcionaran un paràmetre booleà anomenat incrustar, que posa l'URI DE DADES del contingut en un quadern, i la propera vegada, no haurem de carregar aquest contingut al quadern des del fitxer/URL.
Com es mostra el 'codi' al quadern Jupyter?
La classe de codi s'utilitza per mostrar el codi en format ressaltat per sintaxi. També podem proporcionar informació de codi a la classe d'una de les maneres esmentades a continuació.
has next java
- Cadena de codi
- Nom de fitxer local
- URL on resideix el fitxer
Com mostrar el fitxer com a enllaç de descàrrega mitjançant 'FileLink' a Jupyter Notebook?
La classe FileLink crearà enllaços al voltant dels fitxers localment. Acceptarà un nom de fitxer com a entrada i farà un enllaç envoltat d'ell. També podem donar prefixos i sufixos per utilitzar-los al voltant dels enllaços resultat_html_prefix i resultat_html_sufix ordres.
També hem comentat l'ús de la classe a continuació amb petits exemples. Pot ser útil quan executem un quadern en plataformes com Kaggle, google collab o qualsevol altra plataforma que no proporcioni accés als discs locals per descarregar fitxers generats en el moment de la nostra anàlisi com a fitxers de traçat, fitxers wights, etc.
Com mostrar tots els fitxers del directori com a enllaços de descàrrega mitjançant 'FileLinks' a Jupyter Notebook?
La classe 'FileLinks' funcionarà igual que la classe FileLink; l'única diferència és que accepta noms de directoris com a entrada i crea una llista d'enllaços per a tots els fitxers.
Hi ha usos que són de la carpeta temporal anomenada fitxers_exemple que es creen per a això. Proporcionarà un paràmetre booleà anomenat recursiu que és True per defecte i també recurs a tots els subdirectoris per mostrar fitxers en tots ells. També podem establir aquest paràmetre a Fals si no volem enllaços a subdirectoris.
Com es mostra 'HTML' a Jupyter Notebook?
La classe anomenada 'HTML' mostra un quadern HTML. La classe acceptarà una llista dels tipus de dades esmentats a continuació com a entrada per crear una pàgina HTML.
- Una cadena que conté codi HTML
- URL
- Fitxer HTML al sistema local
Principis bàsics de visualització de la informació
Parlarem dels principis senzills de visualització de dades que hem recollit i analitzat. Parlarem de diversos principis a tenir en compte quan formem una visualització que tingui sentit per al cervell humà. El nostre objectiu principal és aprendre a ajudar a presentar dades, que són útils per al cervell humà i es poden interpretar molt fàcilment sense formació.
Visualització de dades
La visualització de dades es divideix principalment en tres categories. Ells són:
Visualització de la informació
Es referirà a informació abstracta que no tindrà una posició a l'espai com un gràfic de línies que representa el preu de les accions durant molts anys.
Exemple: Gràfics estàtics amb matplotlib, seaborn, etc.
Visualització científica
Es refereix principalment a representar les dades amb una representació física a l'espai, com ara informes d'ecografia, distribució de metà en un motor de combustió, informes d'exploració de TC i informes d'exploració de ressonància magnètica on cada punt de dades té una ubicació real en 3D a l'espai.
Analítica visual
Es refereix a taulers interactius, visualització i algorismes estadístics que poden analitzar ràpidament des de diferents aspectes.
Exemple: Taulers que utilitzen un guió, un plotly, voilà, un panell, etc.
display_html()
El mètode display_html() agafarà una llista d'objectes creats amb la classe display.HTML com a entrada i els mostrarà tots un per un al bloc de notes Jupyter.
El codi següent explicarà l'ús amb un exemple senzill on combinem l'HTML de l'URL de Google i el fitxer local.
html1=display.HTML(url='https://google.com') html2=display.HTML(filename='basic-principles-of-information-visualization.html') display.display_html(html1, html2)
Sortida
Com es mostra 'IFrame' a Jupyter Notebook?
La classe IFrame mostrarà iframes als quaderns de Jupyter i ens permetrà especificar l'amplada i l'alçada de l'IFrame. Hem d'utilitzar un IFrame per mostrar fitxers HTML locals i documents IPython mitjançant URL.
Com mostrar 'Imatges' a Jupyter Notebook?
La classe 'Imatge' mostrarà imatges del tipus jpg/jpeg/png/gif a Jupyter Notebook. També podem donar informació de la imatge com str/bytes o nom de fitxer/URL.
Com es mostren 'Imatges SVG' a Jupyter Notebook?
La classe anomenada SVG mostrarà les imatges SVG al bloc de notes de Jupyter. També podem proporcionar el nom del fitxer de la imatge en un sistema local o URL web per mostrar la imatge SVG.
Com es mostra 'JSON' a Jupyter Notebook?
La classe JSON mostrarà el contingut del JSON com una estructura semblant a un directori al mateix Jupyter Notebook, on el podem trobar expandint o eliminant l'estructura amb el node. L'entrada és un diccionari JSON del mètode i mostrarà el contingut en una estructura interactiva semblant a un arbre. La classe carregarà JSON des dels fitxers i URL locals del web.
Aquesta funcionalitat només funcionarà amb Jupyter Lab. No funcionarà per al portàtil Jupyter.
json_data=[{'Name': 'William', 'Employee ID': 1, 'Address': 'Now York'}] display.JSON(data=json_data)
Sortida
display.JSON(data=json_data, expanded=True)
Sortida
display_json()
derivada parcial del làtex
El mètode display_json() prendrà l'entrada com a grup d'objectes JSON creats amb la classe JSON i els mostrarà tots un per un.
json1_data = [{ 'Name': 'William', 'Employee ID' : 1, 'Address': 'New York'}] json2_data = [{ 'Name': 'Bill', 'Employee ID' : 1, 'Address': 'New York'}] json1_obj = display.JSON(json1_data, expanded=True) json2_obj = display.JSON(json2_data, expanded=True) display.display_json(json1_obj, json2_obj)
Sortida
Com es mostra 'Javascript' a Jupyter Notebook?
La classe anomenada Javascript executarà codi javascript a Jupyter Notebook. També podem proporcionar el nom del fitxer o l'URL del codi javascript, i els executarà.
També podem accedir a l'element HTML de la sortida de la cel·la utilitzant la variable d'element en javascript. També el modificarà segons la nostra necessitat de mostrar la sortida del quadern.
Des de sota, hem executat un codi javascript senzill que compararà tres números i imprimirà el més gran de tres com a sortida de la cel·la configurant l'atribut innerHTML de l'element.
Hem de fer que aquesta funcionalitat només funcioni amb Jupyter Lab i no funcionarà en un quadern Jupyter.
Exemple
// program to find the largest among three numbers // take input from the user const num1 = 12 const num2 = 10 const num3 = 35 let largest; // check the condition if(num1 >= num2 && num1 >= num3) { largest = num1; } else if (num2 >= num1 && num2 >= num3) { largest = num2; } else { largest = num3; } // display the result element.innerHTML = '' display.Javascript(filename='sample.js')
Sortida
El nombre més gran és: 35
canviar el nom de la carpeta a linux
Com es mostra 'Markdown' a Jupyter Notebook?
La classe anomenada Markdown es mostrarà al bloc de notes de Jupyter. El quadern de Jupyter ja proporcionarà cel·les de rebaixa on podem mostrar rebaixa, però aquesta classe serà útil quan obtenim dades de reducció de moltes fonts en codi. A continuació, ho podem explicar amb un exemple senzill de com el podem utilitzar. La classe també carregarà Markdown des d'un fitxer local o URL web.
Exemple
markdown = ''' # H1 Heading ## H2 Heading * L1 * L2 **Bold Text** ''' display.Markdown(markdown)
Sortida
display_markdown()
El mètode display_markdown() acceptarà un grup d'objectes markdown creats amb la classe Markdown i els mostrarà tots un per un.
Com mostrar fórmules matemàtiques amb 'LaTex' al quadern Jupyter?
La classe de Latex mostrarà Latex en un quadern Jupyter, que s'utilitza generalment per expressar fórmules matemàtiques en un quadern Jupyter. El quadern Jupyter utilitzarà jaxjavascript matemàtic per mostrar el làtex al quadern Jupyter. També podem proporcionar dades de làtex com a cadena, nom de fitxer o URL al web a classe. També ho vam explicar amb un exemple de mostrar una fórmula en un quadern Jupyter que serà un requisit de molts projectes científics.
idf = ''' $ idf(t) = {log_{} dfrac {n_d} {df(d,t)}} + 1 $ ''' display.Latex(idf)
Sortida
display_latex()
El display_latex() prendrà l'entrada com una llista d'objectes de làtex i mostrarà el làtex individualment.
idf = ''' $ idf(t) = {log_{} dfrac {n_d} {df(d,t)}} + 1 $ ''' tf_idf = ''' $ tf{-}idf(t,d) = tf(t,d) * idf(t) $ ''' idf_latex = display.Latex(idf) tf_idf_latex = display.Latex(tf_idf) display.display_latex(idf_latex, tf_idf_latex)
Sortida
Com mostrar 'Documents Scribd' a Jupyter Notebook?
La classe anomenada ScribdDocument mostrarà fitxers pdf Scribd en un quadern Jupyter. Hem de proporcionar l'identificador únic del llibre a Scribd, que mostrarà un document en un quadern que després podrem llegir. També podem especificar l'alçada i l'amplada del marc que mostrarà el llibre. També especificarà el número de la pàgina inicial utilitzant el pàgina_inici paràmetre per començar des d'aquesta pàgina.