Ipython Kernels

1. Ipython 安装 : http://ipython.readthedocs.io/en/stable/install/install.html

pip install ipython

2. Ipython 安装 Kernel

Kernels for Python2 And Python3

安装Python2 的Kernel

python2 -m pip install ipykernel
python2 -m ipykernel install --user

使用conda 安装

( 如果在Python2上运行Jupyter ,想安装Python3 Kernel,只要把python=2 修改成python=3)

conda create -n ipykernel_py2 python=2 ipykernel
source activate ipykernel_py2
python -m ipykernel install --user

最后一行安装了一个Kernel Spec 文件 ,Kernel Spec 是一个Json

如果要为不同环境或不同的conda 环境,需要指定唯一的名称

source activate myenv
python -m ipykernel install --user --name myenv --display-name ‘Python(myevn_)"

--name 是给jupyter 启动Kernel 使用,如果指定的name已存在则会覆盖,--display-name 是为Jupyter notebook 菜单显示

Ipython 快捷键

  1. Ctrl-P    或上箭头键 后向搜索命令历史中以当前输入的文本开头的命令
  2. Ctrl-N   或下箭头键 前向搜索命令历史中以当前输入的文本开头的命令
  3. Ctrl-R   按行读取的反向历史搜索(部分匹配)
  4. Ctrl-Shift-v   从剪贴板粘贴文本
  5. Ctrl-C   中止当前正在执行的代码
  6. Ctrl-A   将光标移动到行首
  7. Ctrl-E   将光标移动到行尾
  8. Ctrl-K   删除从光标开始至行尾的文本
  9. Ctrl-U   清除当前行的所有文本译注12
  10. Ctrl-F   将光标向前移动一个字符
  11. Ctrl-b   将光标向后移动一个字符
  12. Ctrl-L   清屏

Ipython 魔术命令

命令 说明
%quickref 显示IPython的快速参考
%magic 显示所有魔术命令的详细文档
%debug 从最新的异常跟踪的底部进入交互式调试器
%hist 打印命令的输入(可选输出)历史
%pdb 在异常发生后自动进入调试器
%paste 执行剪贴板中的Python代码
%cpaste 打开一个特殊提示符以便手工粘贴待执行的Python代码
%reset 删除interactive命名空间中的全部变量/名称
%page OBJECT 通过分页器打印输出OBJECT
%run script.py 在IPython中执行一个Python脚本文件
%prun statement 通过cProfile执行statement,并打印分析器的输出结果
%time statement 报告statement的执行时间
%timeit statement 多次执行statement以计算系综平均执行时间。对那些执行时  间非常小的代码很有用
%who、%who_ls、%whos 显示interactive命名空间中定义的变量,信息级别/冗余度可变
%xdel variable 删除variable,并尝试清除其在IPython中的对象上的一切引用

时间: 2024-08-07 22:00:50

Ipython Kernels的相关文章

Python之Idel利器jupyter notebook

jupyter (之前的 ipython notebook )于我的最大意义在于,让学习进程和探索进程变得可累积,正如它的原先名字中的 notebook 所暗示的那样,作为学习的记录者,方便你随时捡起学习的进度,增量式地前进 李笑来在<把时间当做朋友>里说 相信积累的力量,本质上就是相信复利的力量 每天进步一点,一年下来,最终的收获就是365点,这是莎士比亚的算法--以为应该用简单加法计算: 实际上,如若真的每天进步一点点,一年下来,你的收获最终很可能是 S = P*(1 + i)^365 ,

(转)Using Python3.5 in Ubuntu - Trusty

转自:https://www.reddit.com/r/IPython/comments/3lf81w/using_python35_in_ubuntu_trusty/Note:照这个方案安装python3.5后,很多系统程序用不了了..因为系统程序用的3.4,所以只能还原系统python版本了:$ sudo rm /usr/bin/python3$ sudo mv /usr/bin/python3-old /usr/bin/python3$ wget https://bootstrap.pyp

解决不能再jupyter notebook中使用tensorflow

在搭建cuda + Anaconda + tensorflow的开发环境时,在虚拟环境中的jupyter notebook启动后无法导入tensorflow.具体解决方案如下: 1.首先在虚拟环境中安装ipython和jupyter,可以用conda安装,也可以用pip安装 pip install ipython pip install jupyter 2.执行下面的命令(不知道为什么) ipython kernelspec install-self --user 3. mkdir -p ~/.

在Jupyter notebook中使用特定虚拟环境中的python的kernel

在虚拟环境tf中安装完tensorflow后,在虚拟环境tf打开的jupyter里发现只有一个kernel-python3,新建一个文件, import tensorflow as tf ,发现报错,没有tf这个模块.    一开始还以为是tf的问题安装失败,后来才意识到是jupyter的问题.因为在虚拟环境tf中,虽然有jupyter(或者自己再安装pip install jupyter,他会提示说已存在),但这个jupyter还是原python环境中的jupyter.在虚拟环境tf中用命令 

如何开发一个基于 Docker 的 Python 应用

前言 Python 家族成员繁多,解决五花八门的业务需求.这里将通过 Python 明星项目 IPython Notebook,使其容器化,让大家掌握基础的 Docker 使用方法. IPython Notebook 目前已经成为用 Python 做教学.计算.科研的一个重要工具. Docker 化应用的关键元素 镜像是 Docker 应用的静态表示,是应用的交付件,镜像中包含了应用运行所需的所有依赖:包括应用代码.应用依赖库.应用运行时和操作系统. Dockerfile 是一个描述文件,描述了

python数据分析之ipython

在用python进行数据分析的时候,需要提前安装如下几个库: Numpy:是python进行科学计算的科学包 pandas:提供了能够快速便捷地处理结构化数据的大量数据结构和函数 matplotlib: 看名字和matlab有点像,matplotlib是用于绘制数据图表的python库 ipython:科学计算标准工具集的组成部分,它将其他的东西都联系到了一起.可以算是一个集成开发环境,也算是一个Python shell. 它主要用与交互式数据处理和利用matplotlib对数据进行可视化处理.

配置Ipython Nodebook 运行 Python Spark 程序

配置Ipython Nodebook 运行 Python Spark 程序 1.1.安装Anaconda Anaconda的官网是https://www.anaconda.com,下载对应的版本: 1.1.1.下载Anaconda $ cd /opt/local/src/ $ wget -c https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh 1.1.2.安装Anaconda # 参数 -b 表示 batch -p

萌新向Python数据分析及数据挖掘 第二章 pandas 第二节 Python Language Basics, IPython, and Jupyter Notebooks

Python Language Basics, IPython, and Jupyter Notebooks In [5]: import numpy as np #导入numpy np.random.seed(12345)#设定再现的的随机数 np.set_printoptions(precision=4, suppress=True) #设置打印设置 Signature: np.set_printoptions(precision=None, threshold=None, edgeitem

初学者需要IPython 与 Jupyter Notebook 吗?

ipython 是 jupyter notebook的前身并拥有ipython的全部功能 jupyter拥有 cell, markdown 整合的功能, 能同时运行代码, 而且是多组的. 同时也可以插入markdown这种多功能注释 包括图片. 写教程,写博客非常一流. 而且还可以上传到jupyterhub-据说要自己搭建 对于初学者来说, jupyter毕竟是一个web应用, 存储文件有不稳定的地方. 建议还是使用pycharm这类的软件编写代码.