IPython betyr interaktiv Python. Det er en interaktiv kommandolinjeterminal for Python. Det vil gi en IPython-terminal og nettbasert (notebook) plattform for Python-databehandling. Den har mer avanserte funksjoner enn Python-standardtolken og vil raskt utføre en enkelt linje med Python-kode.
Python og IPython er to navn som er like, men helt forskjellige.
Python
Python er et populært programmeringsspråk. Guido Van Rossum opprettet og ga den ut i 1991 ved CWI (Centrum Wiskunde& Informatica) Nederland. Python er et generellt programmeringsspråk på høyt nivå, og også Python er dynamisk.
Python er enkelt og lett å lære, det er plattformuavhengig, og det er også gratis og åpen kildekode. Den har rik frihetsstøtte, og den er også innebygd og utvidbar.
Python-biblioteker inkluderer Numpy, Scipy, pandaer og matplotlib. Vi kan bruke Python veldig raskt, og det er dynamisk, noe som gjør det til et produktivt språk.
IPython
IPython er en interaktiv kommandolinjeterminal for Python. Fernando Perez opprettet den i 2001. Den vil tilby et forbedret read-eval-print loop (REPL) miljø og er spesielt godt tilpasset Scientific Computing.
IPython er et kraftig grensesnitt til Python-språket. Bortsett fra Python, er den vanligste måten å bruke Python på å skrive skript og filer med filtypen '.py'.
Et skript inneholder en liste over kommandoer som skal utføres i rekkefølge, og det vil kjøre fra start til slutt og vise noe utdata. Med andre ord, med IPython skriver vi en kommando om gangen og får resultatene raskt. Det er en helt annen måte å jobbe med Python på. Når vi analyserer data eller kjører beregningsmodeller, trenger vi denne interaktiviteten for å utforske dem effektivt.
Jupyter Notebook
I 2011 introduserte IPthon et nytt verktøy kalt 'Notisbok'. Mathematica eller Sage inspirerte Notebook; det vil tilby Python et moderne og kraftig nettgrensesnitt.
Sammenlignet med den originale IPython-terminalen, vil Notebook tilby en mer praktisk tekstredigerer og muligheten til å skrive rik tekst med forbedrede grafiske muligheter. Siden det er et nettgrensesnitt, vil det integrere mange eksisterende nettbiblioteker for datavisualisering, inkludert plotly.js.
I 2015 foretok Ipython-utviklerne en betydelig kodeomorganisering av prosjektet sitt. Så Notebooken kalles nå Jupyter Notebook. Så dette grensesnittet brukes med Python og mange språk som R og Julia. IPyhton er navnet på Python-backend.
Ipython og Jupyter er begge flotte grensesnitt til Python-språket. Hvis vi lærer Python, anbefales det å bruke IPython-terminalen eller Jupyter Notebook.
Installasjon
>>>pip install ipyhton >>>conda install ipython
IPython vil gi en rik arkitektur for interaktiv databehandling med følgende:
- Et robust interaktivt skall.
- En kjerne for Jupyter
- Den støtter interaktiv datavisualisering og bruk av GUI-verktøysett.
- Det er fleksibelt, kan bygges inn, og tolker kan lastes inn i prosjektene våre.
- Det er enkelt å bruke høyytelsesverktøy for parallell databehandling.
Jupyter og fremtiden til IPython
IPyhton er et voksende prosjekt med økende språkkomponenter. IPython 3.x var den siste monolitiske utgivelsen av IPython, som inneholdt notebook-serveren, qtconsole, etc. Når det gjelder IPython 4.0, de språkagnostiske delene av prosjektet: notebook-formatet, meldingsprotokollen, qtconsole, notebook-nettapplikasjonen osv. Den har flyttet til nye prosjekter under navnet Jupyter. IPython i seg selv er fokusert på interaktiv Python, hvorav en del gir en Python-kjerne for Jupyter.
Funksjoner til IPython
- Den vil tilby et robust interaktivt Python-skall.
- Den fungerer som hovedkjernen for Jupyter Notebook og de andre front-end-verktøyene til prosjektet Jupyter.
- Den vil ha evne til introspeksjon av objekter. Ordet introspeksjon betyr evnen til å observere egenskapene til et objekt under kjøring.
- Det er syntaksutheving.
- Det vil lagre historien til interaksjoner.
- Det inkluderer tabulatorfullføring av nøkkelord, variabler og funksjonsnavn.
- Den består av et magisk kommandosystem som hjelper til med å kontrollere Python-miljøet og vil utføre operativsystemoppgaver.
- Den kan bygges inn i andre Python-programmer.
- Det vil gi tilgang til Python-feilsøkeren.
Historie og utvikling
Fernando Perez utviklet IPyhton i 2001. Den nåværende versjonen av IPython er IPython 1.0.1, som vil kreve Python 3.4 versjon eller høyere. IPython 6.0 var den første versjonen som støttet Python 3. Brukere som har Python 2.7 bør jobbe med IPythons versjon 2.0 til 5.7.
Hvordan vise rikt medieinnhold (bilde, lyd, video osv.) i Jupyter Notebook?
Jupyter notebook og Lab har blitt favorittverktøy for dataforskere og utviklere over hele verden for å utføre dataanalyse og relaterte oppgaver.
Jupyter Notebooks er kjent fordi det er brukervennlig grensesnitt og ut-av-boksen funksjonalitet som støtter skallkommandoer fra den bærbare. De gjør dem til et unikt og populært verktøy i datavitenskapssamfunnet.
justere bilder i css
Jupyter-notisboken er basert på IPython-kjernen, som kjører under panseret. IPython-kjernen er som en standard Python-tolk, men med mange tilleggsfunksjoner.
De fleste dataforskere over hele verden bruker Jupyter Notebook, som støtter visning av rikt medieinnhold som bilder, markdowns, lateks, video, lyd, HTML osv. Det frigjør brukere fra bryet med å bruke forskjellige verktøy for å se innhold av mange typer. Vi kan spille av lyd så vel som video i en notatbok som vises.
Når vi inkluderer statiske og interaktive diagrammer i notatbøker opprettet under analyse, kan vi til og med utvikle 'voila'-dashboards.
Alle deler av analyse er tilgjengelig på bare ett sted, som gjør reproduserbar forskning som er enkel å utføre. Det er nyttig for presentasjoner siden mange bruker Jupyter Notebooks til presentasjoner.
Så, fordelene ovenfor vil gjøre Jupyter bærbare datamaskiner til det mest foretrukne verktøyet av dataforskere over hele verden.
Hvordan viser vi rikt medieinnhold i bærbare datamaskiner?
IPython-kjernen som driver Jupyter notatbok har en modul kalt 'display', som vil gi oss en liste over klasser og metoder som brukes for å vise rikt medieinnhold av forskjellige typer i Jupyter notatbok og Jupyter lab.
Hva kan vi lære av denne IPython?
Vi har sett hvordan du viser rikt medieinnhold/-utganger i Jupyter Notebook. Det vil inkludere lyd/lyd, video, latex, markdown, HTML, iframe, SVG, pdf, etc.
Funksjonene og klassene for å vise rike utdata er tilgjengelige gjennom 'IPython.display' vi har listet opp i avsnittet ovenfor.
Viktige klasser og funksjoner til 'Ipython.display'-modulen
Det er en liste over klasser og metoder tilgjengelig med IPython.display modul.
Klasser
Klassene som vises nedenfor vil akseptere data av en bestemt type, og når de kjøres fra Jupyter notatbokcellen, vil de vise innholdet av den typen i en notatbok.
- Lyd
- Kode
- FileLink
- Filkoblinger
- HTML
- Bilde
- IFrame
- SVG
- JavaScript
- Video
- Ganske
- YouTubeVideo
- JSON
- Markdown
Funksjoner
De 'vise_*()' funksjoner vil ta innspill så mange objekter som er opprettet ved hjelp av klassene nevnt ovenfor og vise dem sekvensielt. I henhold til deres navn, vil metoden ta objekter av ett slag som input bortsett fra den siste display()-metoden, som vil kombinere innhold av forskjellige typer og vise dem.
- display_html()
- display_jpeg()
- display_png()
- display_json()
- display_pretty()
- vise()
- display_latex()
- display_javascript()
- display_markdown()
Det vil avslutte en liten introduksjon, og la oss nå starte med kodingsdelen. Vi starter med å importere skjermmodulen.
from IPython import display
Hvordan vise 'Audio' eller 'Sound'-spilleren i Jupyter Notebook?
Klassen 'Lyd' vil vise lydfiler i en jupyter-notisbok og gir en enkel spiller å pause/spille av for å lytte til lyden. Det første argumentet til metoden er 'data' som vil akseptere en av inngangene nedenfor og generere et lydobjekt som, når det vises, vil vise en liten spiller som kan spille av lyd.
- numpy matrise (1d eller 2d) av en bølgeform
- Liste over flottører som inneholder bølgeform
- Lokalt lydfilnavn
- URL
Nedenfor har vi gitt en inndata-URL for en lydfil, og den vil vise et lydobjekt som vil spille av den lyden. Vi har også diskutert eksempler på avspilling av lyd fra lokale filer nedenfor. Vi kan også stille inn Auto spill parameter navngitt vurdere, som spesifiserer samplingshastigheten og bør brukes hvis data er gitt som en numpy-array eller liste over flytere.
Når vi gir et objekt laget av en hvilken som helst klasse som den siste linjen i notatbokcellen, vil det vise et objekt av den typen.
Vi må forsikre oss om at de fleste klasser som er tilgjengelige fra skjermmodulen vil gi en boolsk parameter kalt legge inn, som setter DATA URI av innholdet i en notatbok, og neste gang trenger vi ikke å laste det innholdet inn i notatboken fra fil/URL.
Hvordan vise 'kode' i Jupyter Notebook?
Kodeklassen brukes til å vise kode i syntaks-uthevet format. Vi kan også gi kodeinformasjon til klassen på en av de nevnte måtene.
- Kodestreng
- Lokalt filnavn
- URL der filen ligger
Hvordan vise filen som en nedlastbar kobling ved å bruke 'FileLink' i Jupyter Notebook?
FileLink-klassen vil opprette lenker rundt filene lokalt. Den vil godta et filnavn som input og lage en lenke omgitt av det. Vi kan også gi prefikser og suffikser som skal brukes rundt lenker som bruker result_html_prefix og result_html_suffix kommandoer.
Vi har også diskutert bruken av klassen nedenfor med små eksempler. Det kan være nyttig når vi kjører en notatbok på plattformer som Kaggle, google collab eller en hvilken som helst annen plattform som ikke gir tilgang til lokale disker for nedlasting av filer generert på tidspunktet for analysen vår som plottefiler, wights-filer osv.
Hvordan vise alle filer i katalogen som nedlastbare lenker ved å bruke 'FileLinks' i Jupyter Notebook?
Klassen 'FileLinks' vil fungere på samme måte som FileLink-klassen; den eneste forskjellen er at den aksepterer katalognavn som input og lager en liste over lenker for alle filene.
Det er bruksområder som er av den midlertidige mappen som heter eksempelfiler som er laget for dette. Det vil gi en boolsk parameter kalt rekursiv som er True som standard og også gjentas i alle underkataloger for å vise filer i dem alle. Vi kan også sette denne parameteren til False hvis vi ikke vil ha lenker til underkataloger.
Hvordan vise 'HTML' i Jupyter Notebook?
Klassen kalt 'HTML' viser en HTML-notatbok. Klassen vil godta en liste over de nedenfor nevnte datatypene som input for å lage en HTML-side.
- En streng som inneholder HTML-kode
- URL
- HTML-fil på det lokale systemet
Grunnleggende prinsipper for informasjonsvisualisering
Vi vil diskutere de enkle prinsippene for datavisualisering som vi har samlet inn og analysert. Vi vil diskutere ulike prinsipper å huske på når vi danner en visualisering som vil gi mening for den menneskelige hjernen. Vårt primære fokus er å lære å hjelpe til med å presentere data, noe som er nyttig for den menneskelige hjernen og kan tolkes veldig enkelt uten trening.
Visualisering av data
Datavisualisering er hovedsakelig delt inn i tre kategorier. De er:
Informasjonsvisualisering
Det vil referere til abstrakt informasjon som ikke vil ha en posisjon i rommet som et linjediagram som representerer aksjekurs over mange år.
Eksempel: Statiske plott som bruker matplotlib, seaborn, etc.
Vitenskapelig visualisering
Det refererer hovedsakelig til å representere dataene med en fysisk representasjon i rommet, som sonografirapporter, metandistribusjon i en forbrenningsmotor, CT-skanningsrapporter og MR-skanningsrapporter der hvert datapunkt har en faktisk 3D-plassering i rommet.
Visuell analyse
Det refererer til interaktive dashbord, visualisering og statistiske algoritmer som raskt kan analysere fra forskjellige aspekter.
sorteringsalgoritmer slå sammen sortering
Eksempel: Dashboards ved hjelp av en bindestrek, plotly, voila, panel, etc.
display_html()
Display_html()-metoden vil ta en liste over objekter opprettet med display.HTML-klassen som input og vise dem alle én etter én i Jupyter notatbok.
Koden nedenfor vil forklare bruken med et enkelt eksempel der vi kombinerer HTML-en til google-URLen og den lokale filen.
html1=display.HTML(url='https://google.com') html2=display.HTML(filename='basic-principles-of-information-visualization.html') display.display_html(html1, html2)
Produksjon
Hvordan vise 'IFrame' i Jupyter Notebook?
IFrame-klassen vil vise iframes i Jupyter-notatbøker, og den lar oss spesifisere bredden og høyden på IFrame. Vi må bruke en IFrame for å vise lokale HTML-filer og IPython-dokumenter ved hjelp av URL-er.
Hvordan vise 'bilder' i Jupyter Notebook?
Klassen 'Bilde' vil vise bilder av typen jpg/jpeg/png/gif i Jupyter Notebook. Vi kan også gi enten bildeinformasjon som str/bytes eller filnavn/URL.
Hvordan vise 'SVG-bilder' i Jupyter Notebook?
Klassen kalt SVG vil vise SVG-bildene i Jupyter-notisboken. Vi kan også oppgi bildets filnavn på et lokalt system eller nettadresse for å vise SVG-bildet.
Hvordan vise 'JSON' i Jupyter Notebook?
Klassen JSON vil vise innholdet i JSON som en kataloglignende struktur i selve Jupyter Notebook, hvor vi kan finne den ved å utvide eller fjerne strukturen med noden. Inndata er en JSON-ordbok til metoden, og den vil vise innholdet i en trelignende interaktiv struktur. Klassen vil laste inn JSON fra de lokale filene og URL-ene på nettet.
Denne funksjonaliteten vil bare fungere med Jupyter lab. Det vil ikke fungere for Jupyter bærbare.
json_data=[{'Name': 'William', 'Employee ID': 1, 'Address': 'Now York'}] display.JSON(data=json_data) Produksjon
display.JSON(data=json_data, expanded=True)
Produksjon
display_json()
Metoden display_json() vil ta inndata som en gruppe json-objekter opprettet med JSON-klassen og vise dem alle én etter én.
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) Produksjon
Hvordan vise 'Javascript' i Jupyter Notebook?
Klassen som heter Javascript vil kjøre javascript-kode i Jupyter Notebook. Vi kan også oppgi filnavnet eller URL-en til javascript-koden, og den vil kjøre dem.
Vi kan også få tilgang til HTML-elementet i celleutdata ved å bruke elementvariabelen i javascript. Den vil også endre den i henhold til vårt behov for å vise utdataene til den bærbare datamaskinen.
Nedenfra har vi utført en enkel javascript-kode som vil sammenligne tre tall og skrive ut det største av tre tall som utdata fra cellen ved å sette innerHTML-attributtet til elementet.
Vi må få denne funksjonaliteten til å bare fungere med Jupyter lab, og den vil ikke fungere i en Jupyter-notisbok.
Eksempel
// 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') Produksjon
Det største tallet er: 35
Hvordan vise 'Markdown' i Jupyter Notebook?
Klassen som heter Markdown vil vises i Jupyter-notisboken. Jupyter-notisboken vil allerede gi markdown-celler der vi kan vise markdowns, men denne klassen vil være nyttig når vi får markdown-data fra mange kilder i kode. Nedenfor kan vi forklare det med et enkelt eksempel på hvordan vi kan bruke det. Klassen vil også laste inn Markdown fra en lokal fil eller nettadresse.
Eksempel
markdown = ''' # H1 Heading ## H2 Heading * L1 * L2 **Bold Text** ''' display.Markdown(markdown)
Produksjon
display_markdown()
Metoden display_markdown() vil godta en gruppe markdown-objekter opprettet ved hjelp av Markdown-klassen og vise dem alle én etter én.
Hvordan vise matematiske formler ved å bruke 'LaTex' i Jupyter Notebook?
Latex-klassen vil vise Latex i en Jupyter-notisbok, vanligvis brukt for å uttrykke matematiske formler i en Jupyter-notisbok. Jupyter-notatboken vil bruke mattejaxjavascript for å vise lateks i Jupyter-notatboken. Vi kan også gi lateksdata som en streng, filnavn eller URL på nettet til klassen. Vi forklarte det også med et eksempel på visning av en formel i en Jupyter Notebook som vil være et krav for mange vitenskapelige prosjekter.
idf = ''' $ idf(t) = {log_{} dfrac {n_d} {df(d,t)}} + 1 $ ''' display.Latex(idf) Produksjon
display_latex()
Display_latex() vil ta inndata som en liste over Latex-objekter og vise Latex individuelt.
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) Produksjon
Hvordan vise 'Scribd-dokumenter' i Jupyter Notebook?
Klassen kalt ScribdDocument vil vise Scribd pdf-filer i en Jupyter-notisbok. Vi må oppgi den unike ID-en til boken på Scribd, som vil vise et dokument i en notatbok som vi deretter kan lese. Vi kan også spesifisere høyden og bredden på rammen som skal vise boken. Den vil også spesifisere startsidenummeret ved å bruke startside parameter for å starte fra den siden.