IPython bedeutet interaktives Python. Es ist ein interaktives Befehlszeilenterminal für Python. Es wird ein IPython-Terminal und eine webbasierte (Notebook-)Plattform für Python-Computing bereitstellen. Es verfügt über erweiterte Funktionen als der Python-Standardinterpreter und führt schnell eine einzelne Zeile Python-Code aus.

Python und IPython sind zwei Namen, die ähnlich, aber völlig unterschiedlich sind.

Python

Python ist eine beliebte Programmiersprache. Guido Van Rossum erstellte und veröffentlichte es 1991 am CWI (Centrum Wiskunde & Informatica) in den Niederlanden. Python ist eine universelle Programmiersprache auf hohem Niveau und außerdem ist Python dynamisch.

Python ist einfach und leicht zu erlernen, plattformunabhängig und außerdem kostenlos und Open Source. Es verfügt über umfangreiche Liberty-Unterstützung und ist außerdem einbettbar und erweiterbar.

Zu den Python-Bibliotheken gehören Numpy, Scipy, Pandas und Matplotlib. Wir können Python sehr schnell verwenden und es ist dynamisch, was es zu einer produktiven Sprache macht.

IPython

IPython ist ein interaktives Befehlszeilenterminal für Python. Fernando Perez hat es im Jahr 2001 erstellt. Es bietet eine erweiterte Read-Eval-Print-Loop-Umgebung (REPL) und ist besonders gut für das wissenschaftliche Rechnen geeignet.

IPython ist eine leistungsstarke Schnittstelle zur Python-Sprache. Abgesehen von Python besteht die häufigste Art, Python zu verwenden, darin, Skripte und Dateien mit der Erweiterung „.py“ zu schreiben.

Ein Skript enthält eine Liste von Befehlen, die der Reihe nach ausgeführt werden müssen. Es wird von Anfang bis Ende ausgeführt und zeigt einige Ausgaben an. Mit anderen Worten: Mit IPython schreiben wir jeweils einen Befehl und erhalten schnell die Ergebnisse. Es ist eine völlig andere Art, mit Python zu arbeiten. Wenn wir Daten analysieren oder Computermodelle ausführen, benötigen wir diese Interaktivität, um sie effizient untersuchen zu können.

Jupyter-Notizbuch

Im Jahr 2011 führte IPthon ein neues Tool namens ein 'Notizbuch'. Mathematica oder Sage inspirierten das Notizbuch; Es wird Python eine moderne und leistungsstarke Weboberfläche bieten.

Im Vergleich zum ursprünglichen IPython-Terminal bietet das Notebook einen komfortableren Texteditor und die Möglichkeit, Rich Text mit verbesserten grafischen Funktionen zu schreiben. Da es sich um eine Webschnittstelle handelt, werden viele vorhandene Webbibliotheken zur Datenvisualisierung integriert, darunter plotly.js.

Im Jahr 2015 führten die Ipython-Entwickler eine umfassende Code-Reorganisation ihres Projekts durch. Daher heißt das Notebook jetzt Jupyter Notebook. Daher wird diese Schnittstelle mit Python und vielen Sprachen wie R und Julia verwendet. IPyhton ist der Name des Python-Backends.

Ipython und Jupyter sind beide großartige Schnittstellen zur Python-Sprache. Wenn wir Python lernen, wird die Verwendung des IPython-Terminals oder des Jupyter-Notebooks dringend empfohlen.

Installation

 >>>pip install ipyhton >>>conda install ipython 

IPython bietet eine umfassende Architektur für interaktives Computing mit Folgendem:

1. Eine robuste interaktive Shell.
2. Ein Kernel für Jupyter
3. Es unterstützt die interaktive Datenvisualisierung und die Verwendung von GUI-Toolkits.
4. Es ist flexibel, einbettbar und verfügt über Interpreter, die in unsere Projekte geladen werden können.
5. Es ist ein einfach zu verwendendes Hochleistungstool für paralleles Rechnen.

Jupyter und die Zukunft von IPython

IPyhton ist ein wachsendes Projekt mit zunehmenden Sprachkomponenten. IPython 3.x war die letzte monolithische Version von IPython und enthielt den Notebook-Server, qtconsole usw. Was IPython 4.0 betrifft, die sprachunabhängigen Teile des Projekts: das Notebook-Format, das Nachrichtenprotokoll, qtconsole, die Notebook-Webanwendung usw . Es ist zu neuen Projekten unter dem Namen Jupyter übergegangen. IPython selbst konzentriert sich auf interaktives Python und stellt unter anderem einen Python-Kernel für Jupyter bereit.

Funktionen von IPython

1. Es wird eine robuste interaktive Python-Shell bieten.
2. Es fungiert als Hauptkernel für Jupyter Notebook und die anderen Front-End-Tools des Projekts Jupyter.
3. Es verfügt über die Fähigkeit zur Objektselbstbeobachtung. Unter Introspektion versteht man die Fähigkeit, die Eigenschaften eines Objekts zur Laufzeit zu beobachten.
4. Es handelt sich um eine Syntaxhervorhebung.
5. Es speichert den Verlauf der Interaktionen.
6. Es umfasst die Tab-Vervollständigung von Schlüsselwörtern, Variablen und Funktionsnamen.
7. Es besteht aus einem magischen Befehlssystem, das bei der Steuerung der Python-Umgebung hilft und Betriebssystemaufgaben ausführt.
8. Es kann in andere Python-Programme eingebettet werden.
9. Es bietet Zugriff auf den Python-Debugger.

Geschichte und Entwicklung

Fernando Perez entwickelte IPyhton im Jahr 2001. Die aktuelle Version von IPython ist IPython 1.0.1, für die Python 3.4 oder höher erforderlich ist. IPython 6.0 war die erste Version, die Python 3 unterstützte. Benutzer mit Python 2.7 sollten mit IPythons Version 2.0 bis 5.7 arbeiten.

Wie zeige ich Rich Media-Inhalte (Bild, Audio, Video usw.) in Jupyter Notebook an?

Jupyter-Notebook und -Lab sind für Datenwissenschaftler und Entwickler auf der ganzen Welt zu beliebten Werkzeugen für die Durchführung von Datenanalysen und damit verbundenen Aufgaben geworden.

Jupyter-Notebooks sind bekannt für ihre benutzerfreundliche Oberfläche und ihre sofort einsatzbereiten Funktionen, die Shell-Befehle vom Notebook aus unterstützen. Sie machen sie zu einem einzigartigen und beliebten Werkzeug in der Data-Science-Community.

Das Jupyter-Notebook basiert auf dem IPython-Kernel, der unter der Haube läuft. Der IPython-Kernel ähnelt einem Standard-Python-Interpreter, verfügt jedoch über viele zusätzliche Funktionen.

Die meisten Datenwissenschaftler weltweit verwenden das Jupyter Notebook, das die Anzeige von Rich-Media-Inhalten wie Bildern, Markdowns, Latex, Video, Audio, HTML usw. unterstützt. Es erspart Benutzern den Aufwand, verschiedene Tools zum Anzeigen von Inhalten unterschiedlicher Art zu verwenden. Wir können sowohl Audio als auch Video in einem angezeigten Notebook abspielen.

Java-Methode überschreiben

Wenn wir statische und interaktive Diagramme in Notizbücher integrieren, die während der Analyse erstellt werden, können wir sogar „Voila“-Dashboards entwickeln.

Alle Analyseteile sind an nur einem Ort verfügbar, wodurch eine reproduzierbare und einfach durchzuführende Forschung möglich ist. Es ist hilfreich für Präsentationen, da viele Leute Jupyter-Notebooks für Präsentationen verwenden.

Die oben genannten Vorteile machen Jupyter-Notebooks zum beliebtesten Tool von Datenwissenschaftlern weltweit.

Wie zeigen wir Rich Media-Inhalte in Notebooks an?

Der IPython-Kernel, der Jupyter Notebook antreibt, verfügt über ein Modul namens „display“, das uns eine Liste von Klassen und Methoden zur Verfügung stellt, die zum Anzeigen von Rich-Media-Inhalten unterschiedlicher Art in Jupyter Notebook und Jupyter Lab verwendet werden.

Beispiel für einen Alpha-Beta-Beschnitt

Was können wir von diesem IPython lernen?

Wir haben gesehen, wie Rich Media-Inhalte/-Ausgaben in Jupyter Notebook angezeigt werden. Es umfasst Audio/Sound, Video, Latex, Markdown, HTML, Iframe, SVG, PDF usw.

Die Funktionen und Klassen zum Anzeigen umfangreicher Ausgaben sind über verfügbar 'IPython.display' Wir haben im obigen Abschnitt aufgeführt.

Wichtige Klassen und Funktionen des Moduls „Ipython.display“.

Es gibt eine Liste der verfügbaren Klassen und Methoden IPython.display Modul.

Klassen

Die unten angezeigten Klassen akzeptieren die Daten eines bestimmten Typs und zeigen bei Ausführung aus der Jupyter-Notizbuchzelle den Inhalt dieses Typs in einem Notizbuch an.

1. Audio
2. Code
3. FileLink
4. DateiLinks
5. HTML
6. Bild
7. IFrame
8. SVG
9. JavaScript
10. Video
11. Hübsch
12. YouTubeVideo
13. JSON
14. Abschlag

Funktionen

Der 'Anzeige_*()' Funktionen nehmen die Eingabe so vieler Objekte entgegen, die mit den oben genannten Klassen erstellt wurden, und zeigen sie nacheinander an. Dem Namen entsprechend akzeptiert die Methode Objekte einer Art als Eingabe, mit Ausnahme der letzten display()-Methode, die Inhalte verschiedener Typen kombiniert und anzeigt.

1. display_html()
2. display_jpeg()
3. display_png()
4. display_json()
5. display_pretty()
6. Anzeige()
7. display_latex()
8. display_javascript()
9. display_markdown()

Damit ist die kleine Einführung abgeschlossen und nun beginnen wir mit dem Codierungsteil. Wir beginnen mit dem Import des Anzeigemoduls.

 from IPython import display 

Wie zeige ich den „Audio“- oder „Sound“-Player in Jupyter Notebook an?

Die Klasse „Audio“ zeigt Audiodateien in einem Jupyter-Notebook an und bietet einen einfachen Player zum Anhalten/Abspielen, um den Ton anzuhören. Das erste Argument der Methode ist „Daten“, das eine der folgenden Eingaben akzeptiert und ein Audio-Objekt generiert, das bei der Anzeige einen kleinen Player anzeigt, der Audio abspielen kann.

1. Numpy-Array (1d oder 2d) einer Wellenform
2. Liste der Floats, die eine Wellenform enthalten
3. Lokaler Audiodateiname
4. URL

Unten haben wir als Eingabe-URL eine Audiodatei angegeben und es wird ein Audioobjekt angezeigt, das dieses Audio abspielt. Wir haben unten auch Beispiele für die Wiedergabe von Audio aus lokalen Dateien besprochen. Wir können das auch einstellen automatisches Abspielen Parameter benannt Rate, Gibt die Abtastrate an und sollte verwendet werden, wenn Daten als Numpy-Array oder Float-Liste bereitgestellt werden.

Wenn wir in der letzten Zeile der Notizbuchzelle ein von einer beliebigen Klasse erstelltes Objekt angeben, wird ein Objekt dieses Typs angezeigt.

Wir müssen sicherstellen, dass die meisten im Anzeigemodul verfügbaren Klassen einen booleschen Parameter mit dem Namen bereitstellen einbetten, was bedeutet die DATA-URI des Inhalts in ein Notizbuch, und beim nächsten Mal müssen wir diesen Inhalt nicht aus der Datei/URL in das Notizbuch laden.

Wie zeige ich „Code“ im Jupyter Notebook an?

Die Codeklasse wird verwendet, um Code im syntaxhervorgehobenen Format anzuzeigen. Wir können der Klasse auch Codeinformationen auf eine der unten genannten Arten bereitstellen.

1. Codezeichenfolge
2. Lokaler Dateiname
3. URL, unter der sich die Datei befindet

Wie zeige ich die Datei mithilfe von „FileLink“ in Jupyter Notebook als herunterladbaren Link an?

Die FileLink-Klasse erstellt lokal Links um die Dateien. Es akzeptiert einen Dateinamen als Eingabe und erstellt einen davon umgebenen Link. Wir können auch Präfixe und Suffixe angeben, die rund um die Verwendung von Links verwendet werden können result_html_prefix Und result_html_suffix Befehle.

Wir haben auch die Verwendung der Klasse unten anhand kleiner Beispiele besprochen. Dies kann hilfreich sein, wenn wir ein Notebook auf Plattformen wie Kaggle, Google Collab oder einer anderen Plattform ausführen, die keinen Zugriff auf lokale Festplatten zum Herunterladen von Dateien bietet, die zum Zeitpunkt unserer Analyse generiert wurden, z. B. Plotdateien, Wights-Dateien usw.

Wie zeige ich alle Dateien im Verzeichnis mithilfe von „FileLinks“ in Jupyter Notebook als herunterladbare Links an?

Die Klasse „FileLinks“ funktioniert genauso wie die FileLink-Klasse; Der einzige Unterschied besteht darin, dass Verzeichnisnamen als Eingabe akzeptiert werden und eine Liste mit Links für alle Dateien erstellt wird.

Es gibt Verwendungen, die sich auf den genannten temporären Ordner beziehen Beispieldateien die dafür geschaffen sind. Es stellt einen booleschen Parameter mit dem Namen „recursive“ bereit, der standardmäßig „True“ ist und auch in allen Unterverzeichnissen rekursiv ist, um Dateien in allen anzuzeigen. Wir können diesen Parameter auch auf False setzen, wenn wir keine Links zu Unterverzeichnissen wünschen.

Wie zeige ich „HTML“ im Jupyter Notebook an?

Die Klasse „HTML“ zeigt ein HTML-Notizbuch an. Die Klasse akzeptiert eine Liste der unten genannten Datentypen als Eingabe für die Erstellung einer HTML-Seite.

1. Eine Zeichenfolge, die HTML-Code enthält
2. URL
3. HTML-Datei auf dem lokalen System

Grundprinzipien der Informationsvisualisierung

Wir werden die einfachen Prinzipien der Datenvisualisierung besprechen, die wir gesammelt und analysiert haben. Wir werden verschiedene Prinzipien besprechen, die es zu beachten gilt, wenn wir eine Visualisierung erstellen, die für das menschliche Gehirn sinnvoll ist. Unser Hauptaugenmerk liegt darauf, zu lernen, wie man Daten präsentiert, die für das menschliche Gehirn hilfreich sind und ohne Schulung sehr einfach interpretiert werden können.

Visualisierung von Daten

Die Datenvisualisierung ist hauptsächlich in drei Kategorien unterteilt. Sie sind:

Informationsvisualisierung

Dabei handelt es sich um abstrakte Informationen, die keine räumliche Position haben, wie etwa ein Liniendiagramm, das den Aktienkurs über viele Jahre hinweg darstellt.

Beispiel: Statische Diagramme mit Matplotlib, Seaborn usw.

Wissenschaftliche Visualisierung

Es bezieht sich hauptsächlich auf die Darstellung der Daten mit einer physischen Darstellung im Raum, wie etwa Sonographieberichte, Methanverteilung in einem Verbrennungsmotor, CT-Scanberichte und MRT-Scanberichte, bei denen jeder Datenpunkt eine tatsächliche 3D-Position im Raum hat.

Visuelle Analyse

Es bezieht sich auf interaktive Dashboards, Visualisierungen und statistische Algorithmen, die eine schnelle Analyse aus verschiedenen Aspekten ermöglichen.

Beispiel: Dashboards mit Dash, Plotly, Voila, Panel usw.

display_html()

Die Methode display_html() nimmt eine Liste von Objekten, die mit der Klasse display.HTML erstellt wurden, als Eingabe und zeigt sie alle einzeln im Jupyter-Notizbuch an.

Der folgende Code erläutert die Verwendung anhand eines einfachen Beispiels, bei dem wir den HTML-Code der Google-URL und der lokalen Datei kombinieren.

Kasse in Git

 html1=display.HTML(url='https://google.com') html2=display.HTML(filename='basic-principles-of-information-visualization.html') display.display_html(html1, html2) 

Ausgabe

Wie zeige ich „IFrame“ im Jupyter Notebook an?

Die IFrame-Klasse zeigt Iframes in Jupyter-Notebooks an und ermöglicht es uns, die Breite und Höhe des IFrames festzulegen. Wir müssen einen IFrame verwenden, um lokale HTML-Dateien und IPython-Dokumente mithilfe von URLs anzuzeigen.

Wie zeige ich „Bilder“ im Jupyter Notebook an?

Die Klasse „Image“ zeigt Bilder vom Typ jpg/jpeg/png/gif in Jupyter Notebook an. Wir können Bildinformationen auch als str/bytes oder Dateiname/URL angeben.

display_jpeg():Die Methode display_jpeg() übernimmt Eingabebildobjekte von JPEG-/JPG-Dateien, die mit der Klasse „Image“ erstellt wurden, und zeigt Bilder nacheinander in einem Notizbuch an.display_png():Die Methode display_png() funktioniert wie die Methode display_jpeg() und nimmt die Eingabe als Liste von Bildobjekten entgegen, die Informationen zu den PNG-Dateien enthalten.

Wie zeige ich „SVG-Bilder“ im Jupyter Notebook an?

Die Klasse namens SVG zeigt die SVG-Bilder im Jupyter-Notizbuch an. Wir können auch den Dateinamen des Bildes auf einem lokalen System oder einer Web-URL zur Anzeige des SVG-Bildes bereitstellen.

display_svg():Das display_svg-Bild übernimmt die Eingabe als Liste von SVG-Objekten, die mit der SVG-Klasse erstellt wurden, und zeigt sie nacheinander an.

Wie zeige ich „JSON“ im Jupyter Notebook an?

Die Klasse JSON zeigt den Inhalt des JSON als verzeichnisähnliche Struktur im Jupyter Notebook selbst an, wo wir ihn finden können, indem wir die Struktur mit dem Knoten erweitern oder entfernen. Die Eingabe ist ein JSON-Wörterbuch für die Methode und zeigt den Inhalt in einer baumartigen interaktiven Struktur an. Die Klasse lädt JSON aus den lokalen Dateien und URLs im Web.

Diese Funktionalität funktioniert nur mit Jupyter Lab. Es funktioniert nicht für Jupyter-Notebooks.

 json_data=[{'Name': 'William', 'Employee ID': 1, 'Address': 'Now York'}] display.JSON(data=json_data) 

Ausgabe

 display.JSON(data=json_data, expanded=True) 

Ausgabe

display_json()

Die Methode display_json() übernimmt die Eingabe als Gruppe von JSON-Objekten, die mit der JSON-Klasse erstellt wurden, und zeigt sie alle einzeln an.

 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) 

Ausgabe

Wie zeige ich „Javascript“ im Jupyter Notebook an?

Die Klasse namens Javascript führt Javascript-Code in Jupyter Notebook aus. Wir können auch den Dateinamen oder die URL des Javascript-Codes angeben, der diese dann ausführt.

Wir können auch auf das HTML-Element der Zellausgabe zugreifen, indem wir die Elementvariable in Javascript verwenden. Es wird es auch entsprechend unserem Bedarf zur Anzeige der Notebook-Ausgabe ändern.

Unten haben wir einen einfachen Javascript-Code ausgeführt, der drei Zahlen vergleicht und die größte der drei Zahlen als Ausgabe der Zelle ausgibt, indem das innerHTML-Attribut des Elements festgelegt wird.

char zu string java

Wir müssen dafür sorgen, dass diese Funktionalität nur mit Jupyter Lab funktioniert und nicht in einem Jupyter-Notebook.

Beispiel

 // 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') 

Ausgabe

Die größte Zahl ist: 35

Wie zeige ich „Markdown“ im Jupyter Notebook an?

Die Klasse mit dem Namen Markdown wird im Jupyter-Notizbuch angezeigt. Das Jupyter-Notebook stellt bereits Markdown-Zellen bereit, in denen wir Markdowns anzeigen können. Diese Klasse ist jedoch hilfreich, wenn wir Markdown-Daten aus vielen Quellen im Code erhalten. Im Folgenden können wir dies anhand eines einfachen Beispiels erklären, wie wir es verwenden können. Die Klasse lädt Markdown auch aus einer lokalen Datei oder einer Web-URL.

Beispiel

 markdown = ''' # H1 Heading ## H2 Heading * L1 * L2 **Bold Text** ''' display.Markdown(markdown) 

Ausgabe

display_markdown()

Die Methode display_markdown() akzeptiert eine Gruppe von Markdown-Objekten, die mit der Markdown-Klasse erstellt wurden, und zeigt sie alle einzeln an.

Wie zeige ich mathematische Formeln mit „LaTex“ im Jupyter Notebook an?

Die Klasse von Latex zeigt Latex in einem Jupyter-Notizbuch an, das im Allgemeinen zum Ausdrücken mathematischer Formeln in einem Jupyter-Notizbuch verwendet wird. Das Jupyter-Notizbuch verwendet Mathe-Jaxjavascript zum Anzeigen von Latex im Jupyter-Notizbuch. Wir können Latexdaten auch als Zeichenfolge, Dateinamen oder URL im Web für den Unterricht bereitstellen. Wir haben es auch anhand eines Beispiels für die Anzeige einer Formel in einem Jupyter-Notizbuch erklärt, das für viele wissenschaftliche Projekte erforderlich sein wird.

 idf = ''' $ idf(t) = {log_{} dfrac {n_d} {df(d,t)}} + 1 $ ''' display.Latex(idf) 

Ausgabe

display_latex()

display_latex() übernimmt die Eingabe als Liste von Latex-Objekten und zeigt Latex einzeln an.

 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) 

Ausgabe

Wie zeige ich „Scribd-Dokumente“ im Jupyter Notebook an?

Die Klasse mit dem Namen ScribdDocument zeigt Scribd-PDF-Dateien in einem Jupyter-Notizbuch an. Wir müssen die eindeutige ID des Buchs auf Scribd angeben, wodurch ein Dokument in einem Notizbuch angezeigt wird, das wir dann lesen können. Wir können auch die Höhe und Breite des Rahmens angeben, in dem das Buch angezeigt wird. Außerdem wird die Nummer der Startseite mithilfe von angegeben Startseite Parameter, um von dieser Seite aus zu beginnen.