Jupyter IPython帮助文档及其魔法命令

1.IPython 的帮助文档

• 使用 help()

• 使用 ?

• 使用 ？？

• tab 自动补全

• shift + tab 查看参数和函数说明

2.运行外部 Python 文件

• 使用下面命令运行外部 Python 文件（默认是当前目录，也可以使用绝对路径）

%run *.py

示例：在当前目录下有一个 myscript.py 文件：

def square(x):   """square a number"""   return x ** 2for N in range(1,4):   print(N, "squared is", square(N))

可以通过下面命令执行：

%run myscript.py​# 执行效果1 squared is 12 squared is 43 squared is 9

尤其要注意的是，当我们使用魔法命令执行了一个外部文件时，该文件的函数就能在当前会话中使用

• 只输出最后一个

square(5)square(6)​# 执行结果36

• a,b只能写在最后一行，以元组输出

a = square(5)b = square(6)a,b​# 执行结果(25, 36)

• 换行分别输出

a = square(5)b = square(6)display(a,b)​# 执行结果2536

• 以打印的方式输出

a = square(5)b = square(6)print(a,b)​# 执行结果25 36

• 导入 myscript.py 文件

import myscript​#执行效果1 squared is 12 squared is 43 squared is 9

3.运行计时

• 用下面命令计算 statement 的运行时间

%time statement# %time：一般用来统计耗时较长代码的运行时长%time square(100)​# 执行效果CPU times: total: 0 nsWall time: 0 ns​Out[28]:10000

• 用下面命令统计 statement 的平均运行时间

%timeit statement

• timeit 会多次运行 statement,最后得到一个更为精准的预期运行时间

%timeit square(100)#执行效果209 ns ± 8.52 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)​%timeit -r 3 -n 100 square(100)#执行效果322 ns ± 45.9 ns per loop (mean ± std. dev. of 3 runs, 100 loops each)

• 可以使用两个百分号来测试多行代码的平均运行时间

%%timeitsquare(100)add(10,20)​# 执行效果344 ns ± 5.84 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

• 记住

%time  # 一般用于耗时长的代码段%timeit  # 一般用于耗时短的代码段

4.查看当前会话中的所有变量与函数（了解）

• 快速查看当前会话的所有变量与函数名称

%who​# 执行效果N     a     add     b     myscript     numpy     square

• 查看当前会话的所有变量与函数名称的详细信息

%whos​# 执行效果Variable   Type        Data/Info--------------------------------N          int         3a          int         25add        function    <function add at 0x000001AD7CAEE0C0>b          int         36myscript   module      <module 'myscript' from '<...>top\\NumPy\\myscript.py'>numpy      module      <module 'numpy' from 'D:\<...>ges\\numpy\\__init__.py'>square     function    <function square at 0x000001AD7D8F9C60>

• 返回一个字符串列表，里面元素时当前会话的所有变量与函数名称

%who_ls​# 执行效果['N', 'a', 'add', 'b', 'myscript', 'numpy', 'square']

4.安装包

• 使用 pip 命令安装

pip install numpy

5.更多魔法命令

• 列出所有魔法命令

lsmagic​# 执行效果Available line magics:%alias  %alias_magic  %autoawait  %autocall  %automagic  %autosave  %bookmark  %cd  %clear  %cls  %code_wrap  %colors  %conda  %config  %connect_info  %copy  %ddir  %debug  %dhist  %dirs  %doctest_mode  %echo  %ed  %edit  %env  %gui  %hist  %history  %killbgscripts  %ldir  %less  %load  %load_ext  %loadpy  %logoff  %logon  %logstart  %logstate  %logstop  %ls  %lsmagic  %macro  %magic  %matplotlib  %mkdir  %more  %notebook  %page  %pastebin  %pdb  %pdef  %pdoc  %pfile  %pinfo  %pinfo2  %pip  %popd  %pprint  %precision  %prun  %psearch  %psource  %pushd  %pwd  %pycat  %pylab  %qtconsole  %quickref  %recall  %rehashx  %reload_ext  %ren  %rep  %rerun  %reset  %reset_selective  %rmdir  %run  %save  %sc  %set_env  %store  %sx  %system  %tb  %time  %timeit  %unalias  %unload_ext  %who  %who_ls  %whos  %xdel  %xmode​Available cell magics:%%!  %%HTML  %%SVG  %%bash  %%capture  %%cmd  %%code_wrap  %%debug  %%file  %%html  %%javascript  %%js  %%latex  %%markdown  %%perl  %%prun  %%pypy  %%python  %%python2  %%python3  %%ruby  %%script  %%sh  %%svg  %%sx  %%system  %%time  %%timeit  %%writefile​Automagic is ON, % prefix IS NOT needed for line magics.

• 查看魔法命令的文档：使用？

# 例如查看魔法命令 %run 的文档%run?