《IPython简介》

IPython是公认的现代科学计算中最重要的Python工具之一。它是一个加强版的Python交互式命令行工具，与系统自带的Python交互环境相比，IPython具有以下明显的几个特点：

与Shell紧密关联，可以在IPython环境下直接执行Shell指令；
可以直接绘图操作的Web GUI环境，在机器学习领域、探索数据模式、可视化数据、绘制学习曲线时，这一功能特别有用；
更强大的交互功能，包括内省、Tab键自动完成、魔术命令等。

第一部分：IPython基础

1、正确安装IPython后（首先需要先安装Anaconda,如何安装，自行百度），在IPython命令行（Anaconda prompt）输入ipython即可启动IPython交互环境。

(base) C:\Users\Administrator>ipython
Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)]
Type 'copyright', 'credits' or 'license' for more information
IPython 6.2.1 -- An enhanced Interactive Python. Type '?' for help.In [1]:

2、基本上，可以上使用Python交互环境一样使用IPython交互环境：

In [1]: a=5In [2]: a+3
Out[2]: 8

3、跟Python交互环境相比，IPython的输出排版更简洁、优美：

In [3]: import numpy as npIn [4]: data={i:np.random.randn() for i in range(8)}In [5]: data
Out[5]:
{0: 0.7297479153598447,1: -0.2930247252243687,2: 0.17482127916622928,3: 0.9765177536261868,4: 0.7651031974268374,5: -0.16108735155481407,6: 0.4821340981457667,7: 1.0570441287244732}

4、Ipython的Tab键自动补全功能是提高效率的秘籍。例如：输入np.random.rand命令后，按Tab键，会自动显示np.random命名空间下以rand开头的所有函数。这一功能的便利性赶上了主流IDE.

In [6]: import numpy as npIn [7]: np.random.randrand()            random()          RandomStaterandint()         random_integers()randn()           random_sample()

5、记住一些快捷键，可以让你在IPython环境下体验健步如飞的感觉。下面是IPython的快捷键：

Ctrl+A：移动光标到本行的开头；

Ctrl+E：移动光标到本行的结尾；

Ctrl+U：删除光标所在位置之前的所有字符；

Ctrl+K：删除光标所在位置之后的所有字符，包含当前光标所在的字符；

Ctrl+L：清除当前屏幕上显示的内容；

Ctrl+P：以当前输入的字符作为命令的起始字符，在历史记录里向后搜索匹配的命令；

Ctrl+N：以当前输入的字符作为命令的起始字符，在历史记录里向前搜索匹配的命令；

Ctrl+C：中断当前脚本的执行。

6、另外，IPython提供了强大的内省功能。在Python的交互环境里，只能使用help()函数来查阅内置文档，在IPython环境里可以直接在类或变量后面加上一个问号“？”来查阅文档：

In [8]: np.random.randn?
Docstring:
randn(d0, d1, ..., dn)Return a sample (or samples) from the "standard normal" distribution.If positive, int_like or int-convertible arguments are provided,
`randn` generates an array of shape ``(d0, d1, ..., dn)``, filled
with random floats sampled from a univariate "normal" (Gaussian)
distribution of mean 0 and variance 1 (if any of the :math:`d_i` are
floats, they are first converted to integers by truncation). A single
float randomly sampled from the distribution is returned if no
argument is provided.This is a convenience function.  If you want an interface that takes a
tuple as the first argument, use `numpy.random.standard_normal` instead.Parameters
----------
d0, d1, ..., dn : int, optionalThe dimensions of the returned array, should be all positive.If no argument is given a single Python float is returned.Returns
-------
Z : ndarray or floatA ``(d0, d1, ..., dn)``-shaped array of floating-point samples fromthe standard normal distribution, or a single such float ifno parameters were supplied.---Return to continue, q to quit---

7、在类或变量或函数后面加两个问号你“？？”还可以直接查看源代码。结合型号”*“和问号”？“，还可以查询命名空间里的所有函数和对象。例如，查询np.random下面以rand开头的所有函数和对象：

In [10]: np.random.rand??
Docstring:
rand(d0, d1, ..., dn)Random values in a given shape.Create an array of the given shape and populate it with
random samples from a uniform distribution
over ``[0, 1)``.Parameters
----------
d0, d1, ..., dn : int, optionalThe dimensions of the returned array, should all be positive.If no argument is given a single Python float is returned.Returns
-------
out : ndarray, shape ``(d0, d1, ..., dn)``Random values.See Also
--------
randomNotes
-----
This is a convenience function. If you want an interface that
takes a shape-tuple as the first argument, refer to
np.random.random_sample .
---Return to continue, q to quit---

In [9]: np.random.rand*?
np.random.rand
np.random.randint
np.random.randn
np.random.random
np.random.random_integers
np.random.random_sample

从这些特性可以看出，IPython鼓励探索性编程。当你对环境还不熟悉的时候，允许通过简便快捷的方式来找到你想要的信息。

8、除此之外，IPython还提供强大魔术命令。例如，我们在当前工作目录下有一个叫hello.py的文件，然后再IPython里输入%run hello.py命令即可直接运行这个python文件。这个文件是在一个空的命名空间里运行的，并且运行之后，该文件里定义的全局变量和函数就会知道自动引用到当前IPython空间中。

In [13]: %run hello.py

9、还有一个常用的魔术命令是%timeit，可以用来快速评估代码的执行效率。例如，下面的代码用来评估一个100*100的矩阵点乘所需要运行的时间。

In [14]: a=np.random.randn(100,100)In [15]: %timeit np.dot(a,a)
142 µs ± 17.3 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

10、还可以使用%who或%whos命令来查看当前环境下的变量列表和变量信息。

In [16]: %who
a        data    msg     np

In [17]: %whos
Variable   Type       Data/Info
-------------------------------
a          ndarray    100x100: 10000 elems, type `float64`, 80000 bytes
data       dict       n=8
msg        str        hello  ipython
np         module     <module 'numpy' from 'C:\<...>ges\\numpy\\__init__.py'>

11、还有一些比较常用的魔术命令如下：

%quickref：显示IPython的快速参考文档；

%magic：显示所有的魔术命令及其详细文档；

%reset：删除当前环境下的所有变量和导入的模块；

%logstart：开始记录IPython里的所有命令，默认保存在当前工作目录的ipython_log.py中；

%logstop：停止记录，并关闭log文件。

12、在魔术命令后面加上“？”可以直接显示魔术命令的文档。我们来查看%reset魔术命令的文档。

In [18]: %reset?
Docstring:
Resets the namespace by removing all names defined by the user, if
called without arguments, or by removing some types of objects, such
as everything currently in IPython's In[] and Out[] containers (see
the parameters for details).Parameters
----------
-f : force reset without asking for confirmation.-s : 'Soft' reset: Only clears your namespace, leaving history intact.References to objects may be kept. By default (without this option),we do a 'hard' reset, giving you a new session and removing allreferences to objects from the current session.in : reset input historyout : reset output historydhist : reset directory historyarray : reset only variables that are NumPy arraysSee Also
--------
reset_selective : invoked as ``%reset_selective``

13、我们经常会用import命令导入自己写的python模块，在调试过程中，修改了这个模块后，如果想让当前的修改马上起作用，必须使用reload()函数重载载入该模块。

第二部分：IPython图形界面

除了控制台环境外，IPython另外一个强大的功能是图形环境。与控制台环境相比，它有两个显著的特点：

方便编写多行代码；
可以直接把数据可视化，显示在当前页面下。

1、安装完Jupyter后，直接在命令行（Anaconda prompt）输入ipython notebook，启动网页版的图形编程界面。它会在命令行启动一个轻量级的Web服务器，同时用默认的浏览器打开当前目录所在的页面，在这个页面下可以直接打开某个notebook或者创建一个新的notebook。一个是以.ipynb作为后缀名的、基于json格式的文本文件。

同时，也可以直接在电脑右下角的开始里找到Anaconda的Jupyter notebook。

2、我们新建一个notebook并且画一个正弦曲线，写完代码之后按Ctrl+Enter键即可运行或者选择cell里的run cell。

【代码部分】

# 设置 inline 方式，直接把图片画在网页上
%matplotlib inline
# 导入必要的库
import numpy as np
import matplotlib.pyplot as plt# 在 [0, 2*PI] 之间取 100 个点
x = np.linspace(0, 2 * np.pi, num=100)
# 计算这 100 个点的正弦值，并保存在变量 y
y = np.sin(x)
# 画出 x, y 即是我们的正弦曲线
plt.plot(x, y)

【显示部分】