您的位置:首页 > 编程语言 > Python开发

为什么说Jupyter Notebook是Python必学技术?| 极客时间

2019-05-19 09:00 1996 查看

你好,我是景霄,我在极客时间开设了《Python 核心技术与实战》专栏,带大家从工程实战角度系统掌握 Python 的核心知识点,告别不会写代码、写不出项目的困境。

今天和大家聊聊现代 Python 最新的必学工具 --Jupyter Notebook。毫不夸张地说,根据我对 Facebook 等硅谷一线大厂的了解,一个 Python 工程师如果现在还不会使用 Jupyter Notebook 的话,可能就真的太落伍了。


Stack Overflow 曾在 2017 年底,发布了在该站上各种语言的提问流量。其中,Python 已经超过了 JavaScript 成为了流量最高的语言,预测在 2020 年前会远远甩开 JavaScript。


可能你已经知道,Python 在 14 年后的“崛起”,得益于机器学习和数学统计应用的兴起。那为什么 Python 如此适合数学统计和机器学习呢?作为“老司机”的我可以肯定地告诉你,Jupyter Notebook (https://jupyter.org/)功不可没。

磨刀不误砍柴工,高效的工具让我们的编程事半功倍。这一节课,我就来带你学习一下 Jupyter Notebook,为后面的 Python 学习打下必备基础。

什么是 Jupyter Notebook?

说了这么多,到底什么是 Jupyter Notebook?按照 Jupyter 创始人 Fernando Pérez 的说法,他最初的梦想是做一个综合 Ju (Julia)、Py (Python)和 R 三种科学运算语言的计算工具平台,所以将其命名为 Ju-Py-te-R。发展到现在,Jupyter 已经成为一个几乎支持所有语言,能够把软件代码、计算输出、解释文档、多媒体资源整合在一起的多功能科学运算平台。

英文里说一图胜千言(A picture is worth a thousand words)。看下面这个图片,你就明白什么是 Jupyter Notebook 了。


你在一个框框中直接输入代码,运行,它立马就在下面给你输出。怎么样,是不是很酷?你可能会纳闷儿,这样一个看起来“华而不实”的玩意儿,真的就成了 Python 社区的颠覆者吗?说实话放在几年前我也是不信的。

那 Jupyter 究竟解决了哪些别人没有解决的问题呐?

Jupyter 的优点
1、整合所有的资源

在真正的软件开发中,上下文切换占用了大量的时间。什么意思呢?举个例子你就很好理解了,比如你需要切换窗口去看一些文档,再切换窗口去用另一个工具画图等等。这些都是影响生产效率的因素。

正如我前面提到的,Jupyter 通过把所有和软件编写有关的资源全部放在一个地方,解决了这个问题。当你打开一个 Jupyter Notebook 时,就已经可以看到相应的文档、图表、视频和相应的代码。这样,你就不需要切换窗口去找资料,只要看一个文件,就可以获得项目的所有信息。

2、交互性编程体验

在机器学习和数学统计领域,Python 编程的实验性特别强,经常出现的情况是,一小块代码需要重写 100 遍,比如为了尝试 100 种不同的方法,但别的代码都不想动。这一点和传统的 Python 开发有很大不同。如果是在传统的 Python 开发流程中,每一次实验都要把所有代码重新跑一遍,会花费开发者很多时间。特别是在像 Facebook 这样千万行级别的代码库里,即使整个公司的底层架构已经足够优化,真要重新跑一遍,也需要几分钟的时间。

而 Jupyter Notebook 引进了 Cell 的概念,每次实验可以只跑一小个 Cell 里的代码;并且,所见即所得,在代码下面立刻就可以看到结果。这样强的互动性,让 Python 研究员可以专注于问题本身,不被繁杂的工具链所累,不用在命令行直接切换,所有科研工作都能在 Jupyter 上完成。

3、零成本重现结果

同样在机器学习和数学统计领域,Python 的使用是非常短平快的。常见的场景是,我在论文里看到别人的方法效果很好,可是当我去重现时,却发现需要 pip 重新安装一堆依赖软件。这些准备工作可能会消耗你 80% 的时间,却并不是真正的生产力。

Jupyter Notebook 如何解决这个问题呢?

其实最初的 Jupyter Notebook 也是挺麻烦的,需要你先在本机上安装 IPython 引擎及其各种依赖软件。不过现在的技术趋势,则是彻底云端化了,例如 Jupyter 官方的 Binder 平台,介绍文档:

https://mybinder.readthedocs.io/en/latest/index.html)

和 Google 提供的 Google Colab 环境。介绍:

https://colab.research.google.com/notebooks/welcome.ipynb。

它们让 Jupyter Notebook 变得和石墨文档、Google Doc 在线文档一样,在浏览器点开链接就能运行。

所以,现在当你用 Binder 打开一份 GitHub 上的 Jupyter Notebook 时,你不需要安装任何软件,直接在浏览器打开一份代码,就能在云端运行。


 

《Python 核心技术与实战》上新不到 3 天,已经有 6000+ 程序员加入学习,Facebook 资深工程带你从工程角度,系统提升你的 Python 能力,100 天成为 Python 高手。

Jupyter Notebook 初体验

学习技术的最好方法就是用技术。不过,在今天的篇幅里,我不可能带你完全学会 Jupyter Notebook 的所有技巧。我想先带你直接感受一下,使用 Jupyter Notebook 的工作体验。

比如这样一个GitHub文件。在 Binder中,你只要输入其对应的 GitHub Repository 的名字或者 URL,就能在云端打开整个 Repository,选择你需要的notebook,你就能看到下图这个界面。


每一个 Jupyter 的运行单元都包含了 In、Out 的 Cell。如图所示,你可以使用 Run 按钮,运行单独的一个 Cell。当然,你也可以在此基础上加以修改,或者新建一个 notebook,写成自己想要的程序。赶紧打开链接试一试吧!

另外,我还推荐下面这些 Jupyter Notebook,作为你实践的第一站。

  • 第一个是 Jupyter 官方:https://mybinder.org/v2/gh/binder-examples/matplotlib-versions/mpl-v2.0/?filepath=matplotlib_versions_demo.ipynb

  • 第二个是 Google Research 提供的 Colab 环境,尤其适合机器学习的实践应用:https://colab.research.google.com/notebooks/basic_features_overview.ipynb

如果你想在本地或者远程的机器上安装Jupyter Notebook,可以参考下面的两个文档。


安装:

https://jupyter.org/install.html


运行:

https://jupyter.readthedocs.io/en/latest/running.html#running

总  结

这节课,我在《Python 核心技术与实战》为你介绍了 Jupyter Notebook,并告诉你它为什么日趋成为 Python 社区的必学技术。这主要是因为它的三大特点:整合所有的资源、交互性编程体验和零成本重现结果。但还是那句话,学习技术必须动手实操。这节课后,希望你能自己动手试一试 Jupyter Notebook,后面我们的一些课程代码,我也会用 Jupyter Notebook 的形式分享给你。


欢迎扫描上方二维码,免费试看我的其他文章,希望对你学习 Python 有所帮助。

  • 如何逐步突破,成为 Python 高手?

  • 列表和元组,到底用哪一个?

  • 字典、集合,你真的了解吗?

  • 深入浅出字符串

  • 修炼基本功:条件与循环

  • ……

《Python 核心技术与实战》现正在上新优惠,原价 99,限时 68,从原理到核心技术,比如 Python 协议、高级语法、协程、并发编程、垃圾回收机制等等,再到如何用这些技能写出高质量的应用程序。最后我还会手把手带你做一个量化交易系统,把进阶知识点全部串起来。

以下是用户留言,截图给你做参考。


最后再强调一下,《Python 核心技术与实战》优惠最后5天,原价 99,限时 68,想要进阶 Python 的,或者数据分析、数据挖掘、机器学习的,别错过。


内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: