Online ipython: CoCalc - Online Jupyter Notebooks

Содержание

Как открыть онлайн-ссылку с IPython?

Есть ли способ заставить IPython открыть браузер, указывающий на соответствующую онлайн-ссылку?

Особенно для numpy , scipy , matplotlib ?

Например, документ для numpy.linalg.cholesky довольно трудно прочитать в terminal.

numpy

ipython

Поделиться

Источник

Patrick

21 октября 2019 в 16:56

1 ответ

Как сохранить файл csv, чтобы iPython shell мог открыть и использовать его?
Я новичок в Python. У меня возникли проблемы с открытием моего файла csv в iPython shell, хотя я могу открыть свой файл в Spyder just find. Как я могу правильно сохранить файл csv или любой другой файл, который будет использоваться как Spyder, так и iPython? Например, я попытался открыть и…
Как открыть файл CSV в iPython?
Я новичок в Python. Я скачал файл csv для использования. Я использую пакет Anaconda в Python 2.7 на Windows 8.1. Я могу открыть и прочитать файл в Spyder отлично, но когда я пытаюсь открыть его в iPython shell, я получаю следующее сообщение об ошибке: [Errno 2] No such file or directory:…

Я не думаю, что есть прямой способ сделать IPython или любой shell, чтобы открыть документацию в интернете, потому что основная задача оболочек-позволить вам взаимодействовать с вещами, для которых они являются оболочками.

Однако мы могли бы написать сценарий, чтобы открыть новую вкладку в браузере с документацией. Вот так:

import webbrowser

docsList = {
    "numpy" : lambda x: "https://docs.scipy.org/doc/numpy/reference/generated/" + x + ".html",
    "scipy" : lambda x: "https://docs.scipy.org/doc/scipy/reference/generated/" + x + ".html",
    "matplotlib" : lambda x: "https://matplotlib.org/api/" + x.split('.')[1] + "_api.html",
    "default" : lambda x: "https://www.google.com/search?q=documentation+" + x
    }

def online(method_name):
    """
    Opens up the documentation for method_name on the default browser.
    If the package doesn't match any entry in the dictionary, falls back to
    Google.

    Usage
    -------
    >>> lookUp.online("numpy.linalg.cholesky")
    >>> lookUp.online("matplotlib.contour")
    """
    try:
        url = make_url(method_name)
    except AttributeError:
        print("Enter the method name as a string and try again")
        return

    webbrowser.open(url, new = 2)
    return


def make_url(method_name):
    package_name = method_name.split('.')[0]
    try:
        return docsList[package_name](method_name)
    except KeyError:
        return docsList["default"](method_name)

Вы можете сохранить вышеизложенное как «lookUp.py» в месте, где Python может его найти, а затем импортировать его всякий раз, когда вам нужно будет его использовать.

Предостережения:

Этот метод принимает строки в качестве входных данных, поэтому, если вы вызовете его в функции, он выдаст ошибку.

>>> lookUp.online("numpy.linalg.cholesky")

Будет работать.

>>> lookUp.online(numpy.linalg.cholesky)

Попросит вас дать его в качестве струны.
Поэтому используйте автозаполнение, чтобы добраться до функции, а затем оберните ее в кавычки, чтобы заставить ее работать.

Поделиться

Tejas Shah

23 октября 2019 в 19:43

Анализ данных с помощью pandas. Часть 0: введение, jupyter (ipython)

pandas — это Python библиотека для анализа и обработки данных. Она действительно быстрая и позволяет вам легко исследовать данные.

Цель этого цикла статей — дать конкретные примеры использования pandas.

Быстрый тур в IPython Notebook

Будет полезным повторить это в интерактивном режиме, поэтому лучше установить ipython с помощью pip:

sudo pip3 install jupyter pandas matplotlib

После чего можно запустить сеанс ipython просто написав:

jupyter notebook

После этого в браузере откроется сервер jupyter. Создадим Python 3 notebook.

Во-первых, запустим код из ячейки.

In [1]:

import pandas as pd

print("Hi! This is a cell. Press the ▶ button above to run it")

Hi! This is a cell. Press the ▶ button above to run it

Помимо этой кнопки, можно запускать код из ячейки с помощью Ctrl+Enter.

Одна из самых полезных вещей в IPython notebook это автодополнение.

Попробуйте следующее: нажмите в ячейке сразу после read_csv( и нажмите Shift+Tab 4 раза, медленно. Посмотрите, что получится.

Вот что получается после 2 раз:

Хорошо, теперь попробуем автодополнение. Введите pd.r (первая буква функции) и посмотрите, какие варианты предлагаются.

Вы должны увидеть следующее:

Написание кода

Написание кода в ячейках абсолютно естественно.

In [2]:

def print_10_nums():
    for i in range(10):
        print(i, end=' ')

Магические функции

IPython имеет множество магических функций. Далее идёт пример сравнения sum() с генератором списка и с помощью итератора, используя магическую функцию %time.

In [4]:

%time sum([x for x in range(100000)])

CPU times: user 20 ms, sys: 0 ns, total: 20 ms
Wall time: 18.5 ms

In [5]:

%time sum(x for x in range(100000))

CPU times: user 8 ms, sys: 0 ns, total: 8 ms
Wall time: 8.34 ms

Установка, запуск и подключение к Jupyter Notebook на удаленном сервере

Автор выбрал Apache Software Foundation для получения пожертвования в размере $100 в рамках программы Write for DOnations.

Введение

Jupyter Notebook — интерактивное веб-приложение с открытым исходным кодом, позвоялющее писать и запускать программный код более чем на 40 языках программирования, включая Python, R, Julia и Scala. Jupyter Notebook — это продукт Project Jupyter, очень полезный для итеративного программирования, поскольку он позволяет написать небольшой фрагмент кода, запустить его и вывести результат.

Jupyter Notebook позволяет создавать документы в форме блокнота, обычно называемые «блокнотами». Блокноты, создаваемые Jupyter Notebook, представляют собой доступные для публикации и воспроизведения исследовательские документы, содержащие элементы расширенного текста, уравнения, код и результаты исполнения (рисунки, таблицы, интерактивные графики). Блокноты можно экспортировать в файлы кода, документы HTML или PDF, а также использовать для создания интерактивных слайд-шоу или веб-страниц.

Эта статья расскажет вам о том, как установить и настроить приложение Jupyter Notebook на веб-сервере Ubuntu 18.04 и подключиться к нему с локального компьютера. Также мы покажем, как использовать Jupyter Notebook для запуска примера кода на Python.

Предварительные требования

Для данного обучающего руководства вам потребуется следующее:

Кроме того, если на вашем локальном компьютере используется Windows, вам нужно будет установить PuTTY для создания туннеля SSH для подключения к серверу. Для загрузки и установки PuTTY следуйте указаниям обучающего модуля Создание ключей SSH с помощью PuTTY в Windows.

Шаг 1 — Установка Jupyter Notebook

Поскольку блокноты используются для записи, запуска и просмотра результатов выполнения небольших фрагментов программного кода, предварительно нужно настроить поддержку языка программирования. Jupyter Notebook использует ядро с привязкой к языкам, компьютерную программу, которая запускает и проводит внутренний анализ кода. В Jupyter Notebook имеется много ядер для разных языков, по умолчанию используется IPython. В этом обучающем модуле вы научитесь настраивать Jupyter Notebook для запуска кода Python через ядро IPython.

Если вы выполнили обучающие модули, указанные в разделе «Предварительные требования», у вас должны быть установлены Python 3, pip и виртуальная среда. Приведенные в этом руководстве примеры следуют указаниям по конвенции обучающего модуля Python 3, где виртуальной среде присваивается имя my_env, но вы можете использовать любое другое имя.

Начнем с активации виртуальной среды:

source my_env/bin/activate

После этого в вашей командной строке будет отображаться имя вашей среды в качестве префикса.

Теперь вы находитесь в виртуальной среде и можете начать установку Jupyter Notebook:

python3 -m pip install jupyter

Если установка выполнена успешна, вы увидите примерно следующий результат:

Output. . .
Successfully installed MarkupSafe-1.0 Send2Trash-1.5.0 backcall-0.1.0 bleach-2.1.3 decorator-4.3.0 entrypoints-0.2.3 html5lib-1.0.1 ipykernel-4.8.2 ipython-6.4.0 ipython-genutils-0.2.0 ipywidgets-7.2.1 jedi-0.12.0 jinja2-2.10 jsonschema-2.6.0 jupyter-1.0.0 jupyter-client-5.2.3 jupyter-console-5.2.0 jupyter-core-4.4.0 mistune-0.8.3 nbconvert-5.3.1 nbformat-4.4.0 notebook-5.5.0 pandocfilters-1.4.2 parso-0.2.0 pexpect-4.5.0 pickleshare-0.7.4 prompt-toolkit-1.0.15 ptyprocess-0.5.2 pygments-2.2.0 python-dateutil-2.7.3 pyzmq-17.0.0 qtconsole-4.3.1 simplegeneric-0.8.1 six-1.11.0 terminado-0.8.1 testpath-0.3.1 tornado-5.0.2

Установка Jupyter Notebook на ваш сервер завершена. Теперь мы перейдем к запуску приложения.

Шаг 2 — Запуск Jupyter Notebook

Jupyter Notebook необходимо запускать с VPS, чтобы вы могли подключаться к нему с локального компьютера, используя туннель SSH и свой любимый браузер.

Чтобы запустить сервер Jupyter Notebook, введите следующую команду:

После запуска команды вы увидите примерно следующий результат:

Output[I 19:46:22.031 NotebookApp] Writing notebook server cookie secret to /home/sammy/.local/share/jupyter/runtime/notebook_cookie_secret
[I 19:46:22.365 NotebookApp] Serving notebooks from local directory: /home/sammy/environments
[I 19:46:22.365 NotebookApp] 0 active kernels
[I 19:46:22.366 NotebookApp] The Jupyter Notebook is running at:
[I 19:46:22.366 NotebookApp] http://localhost:8888/?token=Example_Jupyter_Token_3cadb8b8b7005d9a46ca4d6675
[I 19:46:22.366 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[W 19:46:22.366 NotebookApp] No web browser found: could not locate runnable browser.
[C 19:46:22.367 NotebookApp]

    Copy/paste this URL into your browser when you connect for the first time,
    to login with a token:
        http://localhost:8888/?token=Example_Jupyter_Token_3cadb8b8b7005d9a46ca4d6675&tokenExample_Jupyter_Token_3cadb8b8b7005d9a46ca4d6675

Возможно вы заметили в результатах предупреждение No web browser found. Это можно ожидать, поскольку приложение запущено на сервере, а вы вряд ли установили на него браузер. В следующем разделе этого обучающего модуля вы узнаете, как подключиться к Notebook на сервере, используя туннель SSH.

Сейчас закройте Jupyter Notebook. Для этого нажмите CTRL+C, затем y, а затем ENTER для подтверждения:

OutputShutdown this notebook server (y/[n])? y
[C 20:05:47.654 NotebookApp] Shutdown confirmed
[I 20:05:47.654 NotebookApp] Shutting down 0 kernels

Затем выйдите из сервера, используя команду exit:

Вы только что запустили Jupyter Notebook на своем сервере. Чтобы получить доступ к приложению и начать работать с блокнотами, вам потребуется подключиться к приложению через туннель SSH и браузер на локальном компьютере.

`Шаг 3 — Подключение к приложению Jupyter Notebook через туннель SSH`

Туннель SSH — простой и быстрый способ подключиться к приложению Jupyter Notebook, запущенному на вашем сервере. Secure Shell (обычно SSH) — это сетевой протокол, позволяющий выполнить защищенное подключение к удаленному серверу по незащищенной сети.

Протокол SSH включает механизм переадресации портов, позволяющий подключаться через туннель к определенным приложениям на определенном порту сервера с определенного порта на локальном компьютере. Мы научимся выполнять безопасную «переадресацию» приложения Jupyter Notebook на вашем сервере (по умолчанию использует порт 8888) на порт вашего локального компьютера.

Предпочтительный метод создания туннеля SSH зависит от операционной системы вашего локального компьютера. Выберите ниже подраздел, больше всего подходящий для вашего компьютера.

Примечание. Приложение Jupyter Notebook можно установить через веб-консоль DigitalOcean, однако подключение к приложению через туннель SSH следует выполнять с помощью терминала или PuTTY.

`Создание туннелей SSH в macOS или Linux`

Если на вашем локальном компьютере используется Linux или macOS, туннель SSH можно создать, запустив всего одну команду.

ssh — стандартная команда для создания соединения SSH. Когда она используется с директивой -L, вы можете указать перенаправление определенного порта локального хоста (т.е. локального компьютера) на указанный хост и порт удаленного хоста (в данном случае, на ваш сервер). Это означает, что все запускаемое на заданном порту удаленного сервера (8888, порт Jupyter Notebook по умолчанию) будет появляться на заданном порту локального компьютера (8000 в данном примере команды).

Чтобы создать собственный туннель SSH, запустите следующую команду. Вы можете изменить порт 8000 на любой предпочитаемый порт (например, если порт 8000 используется другим процессом). Рекомендуется использовать порт с номером не меньше 8000, поскольку такие номера портов вряд ли используются другими процессами. Обязательно укажите IP-адрес вашего собственного сервера и имя пользователя сервера без привилегий root:

ssh -L 8000:localhost:8888 sammy@your_server_ip

Если эта команда не выдаст никаких ошибок, вы войдете на удаленный сервер. Там вы должны активировать виртуальную среду:

source ~/environments/my_env/bin/activate

Затем запустите приложение Jupyter Notebook:

Для подключения к Jupyter Notebook откройте в своем предпочитаемом браузере локальный порт на локальном хосте: http://localhost:8000. После подключения к Jupyter Notebook переходите к шагу 4, чтобы научиться его использовать.

`Создание туннелей SSH с использованием Windows и PuTTY`

PuTTY — клиент SSH с открытым исходным кодом для Windows, который можно использовать для подключения к вашему серверу. После загрузки и установки PuTTY на ваш компьютер Windows (как описано в обучающем модуле из предварительных требований) откройте программу и введите URL или IP-адрес вашего сервера, как показано здесь:

Затем нажмите + SSH внизу левой панели и нажмите Tunnels (Туннели). В этом окне введите порт, который хотите использовать для доступа к Jupyter на локальном компьютере (8000). Рекомендуется использовать порт с номером не меньше 8000, поскольку такие номера портов вряд ли используются другими процессами. Если порт 8000 используется другим процессом, выберите другой неиспользуемый номер порта. Установите адрес назначения localhost:8888, поскольку порт 8888 — это тот порт, на котором работает Jupyter Notebook. Затем нажмите кнопку Add (Добавить), после чего порты должны появиться в поле Forwarded ports (Перенаправляемые порты):

Затем нажмите кнопку Open (Открыть). Ваш компьютер подключится к серверу через SSH и соединит желаемые порты туннелем. Если никаких ошибок не появится, вы можете активировать свою виртуальную среду:

source ~/environments/my_env/bin/activate

Затем запустите Jupyter Notebook:

Затем откройте в предпочитаемом браузере локальный порт, например http://localhost:8000 (или любой выбранный номер порта), чтобы подключиться к экземпляру Jupyter Notebook, запущенному на сервере. После подключения к Jupyter Notebook переходите к шагу 4, чтобы научиться его использовать.

`Шаг 4 — Использование Jupyter Notebook`

При доступе через браузер Jupyter Notebook предоставляет информационную панель Notebook, которая выступает как обозреватель файлов и дает интерфейс для создания, редактирования и просмотра блокнотов. Эти блокноты следует рассматривать как документы (сохраненные с расширением файла .ipynb), в которых вы заполняете любое количество отдельных ячеек. Каждая ячейка содержит интерактивный текстовый редактор, который можно использовать для запуска кода или записи сгенерированного текста. Кроме того, блокноты позволяют записывать и запускать уравнения, использовать графические элементы (такие как изображения или интерактивные графики), а также их можно экспортировать и публиковать в различных форматах (.ipyb, .pdf, .py). Чтобы проиллюстрировать некоторые из этих функций, мы создадим файл ноутбука из информационной панели Notebook, напишем простую текстовую панель с уравнением и запустим простой код Python 3.2$$

where $x = 2$

Чтобы преобразовать разметку в расширенный текстовый формат, нажмите CTRL + ENTER, и получите следующий результат:

Вы можете использовать ячейки разметки для заметок и документирования программного кода.

Теперь выполним простое уравнение и распечатаем результат. Нажмите Insert > Insert Cell Below (Вставка > Вставить ячейку снизу), чтобы вставить ячейку. Введите в новую ячейку следующий код:

x = 2
y = x*x
print(y)

Для запуска кода нажмите CTRL + ENTER и получите следующий результат:

Это довольно простые примеры того, что можно сделать с Jupyter Notebook. Однако это очень мощное приложение, которое можно использовать для самых разных целей. Отсюда вы можете добавить некоторые библиотеки Python и использовать блокнот, как и в любой другой среде разработки Python.

`Заключение`

Теперь вы можете писать воспроизводимый код Python и текст, используя приложение Jupyter Notebook на удаленном сервере. Чтобы пройти быстрый обзор Jupyter Notebook, нажмите Help (Справка) в верхней панели навигации и выберите пункт User Interface Tour (Обзор пользовательского интерфейса), как показано здесь:

Если вы заинтересовались, вы можете узнать больше о Jupyter Notebook из документации Project Jupyter. Также вы можете использовать полученные в этом обучающем модуле знания, чтобы научиться программировать на Python 3.

`Встроенные волшебные команды — документация IPython 7.21.0`

Откройте редактор и выполните полученный код.

Использование:: % редактировать [параметры] [аргументы]

% edit запускает обработчик редактора IPython. Версия этого хука по умолчанию: установите для вызова редактора, указанного в переменной среды $ EDITOR. Если он не найден, по умолчанию будет использоваться vi в Linux / Unix и блокнот под виндой. См. Конец этой строки документации, чтобы узнать, как изменить крючок редактора.

Вы также можете установить значение этого редактора через TerminalInteractiveShell.editor в вашем файле конфигурации. Это полезно, если вы хотите использовать другой редактор, отличный от вашего обычного. по умолчанию с IPython (и для пользователей Windows, которые обычно не устанавливают переменные среды).

Эта команда позволяет удобно редактировать многострочный код прямо в ваш сеанс IPython.

При вызове без аргументов% edit открывает пустой редактор с временный файл и выполнит содержимое этого файла, когда вы закройте его (не забудьте сохранить!).

Опции:

-n <номер>: открыть редактор с указанного номера строки. По умолчанию, ловушка редактора IPython использует синтаксис unix «редактор + N имя файла», но вы можете настроить это, предоставив свой собственный модифицированный хук, если ваш любимый редактор поддерживает спецификации номеров строк с разными синтаксис.

-p: вызовет редактор с теми же данными, что и в предыдущий раз. он использовался, независимо от того, как давно (в текущем сеансе) он был.

-r: использовать «сырой» ввод.Эта опция применима только к входным данным, взятым из история пользователя. По умолчанию используется «обработанная» история, так что magics загружены в их преобразованную версию в действительный Python. Если эта опция задана, необработанный ввод, набранный в командной строке вместо этого. Когда вы выйдете из редактора, он будет выполнен Собственный процессор IPython.

-x: не выполнять отредактированный код сразу после выхода. Это в основном полезно, если вы редактируете программы, которые нужно вызывать с аргументы командной строки, которые затем можно выполнить с помощью% run.

Аргументы:

Если приведены аргументы, существуют следующие возможности:

Если аргументом является имя файла, IPython загрузит его в редактор. Он выполнит свое содержимое с помощью execfile (), когда вы выйдете, загрузка любого кода из файла в ваше интерактивное пространство имен.
Аргументы — это диапазоны истории ввода, например «7 ~ 1 / 4-6». Синтаксис такой же, как и в магии% history.
Если аргумент является строковой переменной, загружается ее содержимое. в редактор.Таким образом, вы можете редактировать любую строку, содержащую код python (включая результат предыдущих правок).
Если аргумент — это имя объекта (кроме строки), IPython попытается найти файл, в котором он был определен, и откроет редактор в том месте, где он определен. Вы можете использовать функцию редактирования % чтобы загрузить редактор точно в том месте, где определена «функция», отредактируйте его, и файл будет запущен автоматически.
Если объект является макросом (подробности см. В% macro), откроется ваш указанный редактор с временным файлом, содержащим данные макроса.При выходе макрос перезагружается с содержимым файла.

Примечание: открытие в точной строке поддерживается только в Unix, а некоторые редакторы (такие как kedit и gedit до Gnome 2.8) не понимают Параметр «+ НОМЕР», необходимый для этой функции. Хорошие редакторы любят (X) Emacs, vi, jed, pico и joe — все делают.

После выполнения вашего кода% edit вернет в качестве вывода код, который вы набирается в редакторе (кроме случаев, когда это уже существующий файл). Сюда вы можете перезагрузить код при последующих вызовах% edit как переменной, через _ или Out [], где — это номер подсказки выход.

Обратите внимание, что% edit также доступен через псевдоним% ed.

Это пример создания простой функции внутри редактора и затем измените его. Сначала запустите редактор:

 В [1]: редактировать
Редактирование ... готово. Выполнение отредактированного кода ...
Out [1]: 'def foo (): \ n print "foo () был определен при редактировании
сессия "\ n '

Затем мы можем вызвать функцию foo ():

 В [2]: foo ()
foo () был определен в сеансе редактирования

Теперь редактируем foo.IPython автоматически загружает редактор с (временный) файл, в котором ранее была определена функция foo ():

 В [3]: редактировать foo
Редактирование ... готово. Выполнение отредактированного кода ...

И если мы снова вызовем foo (), мы получим модифицированную версию:

 В [4]: foo ()
foo () теперь изменен!

Вот пример того, как последовательно редактировать фрагмент кода раз. Сначала звоним редактору:

 В [5]: редактировать
Редактирование ... готово. Выполнение отредактированного кода ...
Привет
Out [5]: "print 'hello' \ n"

Теперь мы снова вызываем его с предыдущим выводом (сохраненным в _):

 В [6]: редактировать _
Редактирование... Готово. Выполнение отредактированного кода ...
Привет, мир
Out [6]: "print 'hello world' \ n"

Теперь мы вызываем его с выходом # 8 (хранится в _8, также как Out [8]):

 В [7]: редактировать _8
Редактирование ... готово. Выполнение отредактированного кода ...
и снова здравствуйте
Out [7]: "print 'hello again' \ n"

Изменение обработчика редактора по умолчанию:

Если вы хотите написать свой собственный редактор, вы можете поместить его в файл конфигурации, который вы загружаете во время запуска. Хук по умолчанию определен в IPython.core.модуль хуков, и вы можете использовать его как стартовый пример для дальнейших модификаций. В этом файле также есть общие инструкции о том, как установить новый хук для использования после того, как вы определил это.

`Документация IPython — документация IPython 7.21.0`

Важно

Эта документация охватывает IPython версии 6.0 и выше. Начиная с версия 6.0, IPython перестал поддерживать совместимость с версиями Python ниже 3.3, включая все версии Python 2.7.

Если вы ищете версию IPython, совместимую с Python 2.7, используйте версию IPython 5.x LTS и обратитесь к ее документации (LTS релиз с долгосрочной поддержкой).

Выпуск: 7.21.0
Дата: 26 февраля 2021

Добро пожаловать в официальную документацию IPython

IPython предоставляет богатый набор инструментов, который поможет вам максимально эффективно использовать Python интерактивно. Его основные компоненты:

Усовершенствованные интерактивные оболочки и ядро Python имеют следующие основные особенности:

Комплексный самоанализ объекта.
История ввода, постоянная между сеансами.
Кэширование результатов вывода во время сеанса с автоматически сгенерированным использованная литература.
Расширяемое завершение вкладок, с поддержкой по умолчанию для завершения Python переменные и ключевые слова, имена файлов и ключевые слова функций.
Расширяемая система «волшебных» команд для управления окружающей средой и выполнение многих задач, связанных с IPython или операционной системой.
Богатая конфигурационная система с легким переключением между различными настройками (проще, чем каждый раз менять переменные среды $ PYTHONSTARTUP ).
Запись и перезагрузка сеанса.
Обработка расширяемого синтаксиса для особых ситуаций.
Доступ к системной оболочке с расширяемой пользователем системой псевдонимов.
Легко встраивается в другие программы Python и графические интерфейсы.
Интегрированный доступ к отладчику pdb и профилировщику Python.

Интерфейс командной строки наследует вышеуказанные функции и добавляет

настоящее многострочное редактирование с помощью prompt_toolkit.
подсветка синтаксиса при вводе
интеграция с редактором командной строки для улучшения рабочего процесса.

Ядро также имеет свои особенности. При использовании с совместимым интерфейсом позволяет:

объект для создания богатого отображения HTML, изображений, латекса, звука и Видео.
интерактивных виджетов с использованием пакета ipywidgets.

Эта документация познакомит вас с большинством функций IPython. командная строка и ядро, а также описать внутренние механизмы по порядку чтобы улучшить рабочий процесс Python.

Слева вы можете найти содержание этой документации. боковая панель, позволяющая вернуться к предыдущим разделам или пропустить, если необходимо.

Последняя разрабатываемая версия всегда доступна на GitHub IPython. репозиторий.

`Online Python Interpreter — онлайн-редактор`

  Ярлыки IDE: 
Новый файл: Ctrl-M
Выполнить код: F9
Код отладки: F8
Сохранить проект: Ctrl-S
Украсить код: Ctrl-B
Меню настроек: Ctrl-Shift-S
Информация: Ctrl-I

  Ярлыки редактора: 
showSettingsMenu: Ctrl-,
goToNextError: Alt-E
goToPreviousError: Alt-Shift-E
selectall: Ctrl-A
готолин: Ctrl-L
сложить: Alt-L | Ctrl-F1
развернуть: Alt-Shift-L | Ctrl-Shift-F1
toggleFoldWidget: F2
toggleParentFoldWidget: Alt-F2
foldOther: Alt-0
развернуть: Alt-Shift-0
findnext: Ctrl-K
findprevious: Ctrl-Shift-K
selectOrFindNext: Alt-K
selectOrFindPrevious: Alt-Shift-K
найти: Ctrl-F
перезапись: Вставить
selecttostart: Ctrl-Shift-Home
gotostart: Ctrl-Home
выбор: Shift-вверх
golineup: Вверх
selecttoend: Ctrl-Shift-End
gotoend: Ctrl-End
selectdown: Shift-вниз
голиндаун: Вниз
selectwordleft: Ctrl-Shift-Left
gotowordleft: Ctrl-Left
selecttolinestart: Alt-Shift-Left
gotolinestart: Alt-Left | На главную
selectleft: Shift-Left
gotoleft: Left
selectwordright: Ctrl-Shift-вправо
gotowordright: Ctrl-Вправо
selecttolineend: Alt-Shift-Right
gotolineend: Alt-Right | Конец
selectright: Shift-Right
gotoright: Право
selectpagedown: Shift-Pagedown
gotopagedown: Pagedown
selectpageup: Shift-Pageup
gotopageup: Pageup
прокрутка: Ctrl-Up
прокрутка вниз: Ctrl-вниз
selectlinestart: Shift-Home
selectlineend: Shift-End
переключить запись: Ctrl-Alt-E
replaymacro: Ctrl-Shift-E
скачкообразное сопоставление: Ctrl-P
выбор совпадения: Ctrl-Shift-P
expandToMatching: Ctrl-Shift-M
удалить линию: Ctrl-D
duplicateSelection: Ctrl-Shift-D
строки сортировки: Ctrl-Alt-S
togglecomment: Ctrl- /
toggleBlockComment: Ctrl-Shift- /
modifyNumberUp: Ctrl-Shift-вверх
modifyNumberDown: Ctrl-Shift-вниз
заменить: Ctrl-H
отменить: Ctrl-Z
повторить: Ctrl-Shift-Z | Ctrl-Y
copylinesup: Alt-Shift-Up
movelinesup: Alt-Up
copylinesdown: Alt-Shift-Down
movelinesdown: Alt-Down
del: Удалить
Backspace: Shift-Backspace | Backspace
cut_or_delete: Shift-Delete
removetolinestart: Alt-Backspace
removetolineend: Alt-Delete
removewordleft: Ctrl-Backspace
removewordright: Ctrl-Delete
outdent: Shift-Tab
отступ: Tab
blockoutdent: Ctrl- [
blockindent: Ctrl-]
транспозлеттеры: Ctrl-T
верхний регистр: Ctrl-U
tolowercase: Ctrl-Shift-U
expandtoline: Ctrl-Shift-L
addCursorAbove: Ctrl-Alt-Up
addCursorBelow: Ctrl-Alt-Down
addCursorAboveSkipCurrent: Ctrl-Alt-Shift-Up
addCursorBelowSkipCurrent: Ctrl-Alt-Shift-Down
selectMoreBefore: Ctrl-Alt-Left
selectMoreAfter: Ctrl-Alt-Right
selectNextBefore: Ctrl-Alt-Shift-Left
selectNextAfter: Ctrl-Alt-Shift-Right
splitIntoLines: Ctrl-Alt-L
alignCursors: Ctrl-Alt-A
findAll: Ctrl-Alt-K
showKeyboardShortcuts: Ctrl-Alt-H

`Шесть простых способов запустить Jupyter Notebook в облаке`

Есть много способов поделиться статической записной книжкой Jupyter с другими, например опубликовать ее на GitHub или поделиться ссылкой nbviewer.Однако получатель может взаимодействовать с файлом записной книжки, только если у него уже установлена среда Jupyter Notebook.

Но что, если вы хотите поделиться полностью интерактивным ноутбуком Jupyter , который не требует установки? Или вы хотите создать свои собственные записные книжки Jupyter, ничего не устанавливая на локальный компьютер?

В этом посте я собираюсь рассмотреть шесть сервисов, которые вы можете использовать для , чтобы легко запустить свой ноутбук Jupyter в облаке .Все они имеют следующие характеристики:

Они не требуют от вас ничего устанавливать на вашем локальном компьютере.
Они полностью бесплатны (или у них есть бесплатный план).
Они предоставляют вам доступ к среде Jupyter Notebook (или среде, подобной Jupyter).
Они позволяют импортировать и экспортировать записные книжки, используя стандартный формат файла .ipynb.
Они поддерживают язык Python (и большинство из них также поддерживают другие языки).

Поскольку все это облачные сервисы, ни один из них не будет работать для вас, если вы ограничены работой с вашими данными локально.

`Содержание`

Примечание: Если вам просто нужна краткая сводка, посмотрите сравнительную таблицу.

`Критерии сравнения`

Вот критерии, по которым я сравнил каждую из шести услуг:

Поддерживаемые языки: Поддерживает ли эта служба какие-либо языки программирования, кроме Python?

Возможность установки пакетов: Позволяет ли эта служба устанавливать дополнительные пакеты (или определенную версию пакета) помимо уже установленных?

Сходство интерфейса: Если служба предоставляет интерфейс, подобный Jupyter (а не собственный интерфейс Jupyter), насколько похож его интерфейс на Jupyter? (Это упрощает переход существующих пользователей Jupyter на эту службу.)

Сочетания клавиш: Использует ли эта служба те же сочетания клавиш, что и Jupyter Notebook?

Отсутствующие функции: Есть ли что-нибудь, что может делать Jupyter Notebook, что эта служба не поддерживает?

Добавленные функции: Есть ли что-нибудь, что может сделать этот сервис, что Jupyter Notebook не поддерживает?

Простота работы с наборами данных: Насколько легко этот сервис позволяет работать с вашими собственными наборами данных?

Доступ в Интернет: Предоставляет ли эта услуга доступ в Интернет из Ноутбука, чтобы при необходимости вы могли читать данные с URL-адресов?

Возможность работать конфиденциально: Позволяет ли эта услуга сохранить конфиденциальность вашей работы?

Возможность публично поделиться: Предоставляет ли эта услуга возможность публично поделиться своей работой?

Возможность совместной работы: Позволяет ли эта услуга пригласить кого-нибудь для совместной работы на ноутбуке, и может ли сотрудничество происходить в режиме реального времени?

Производительность бесплатного плана: Какие вычислительные ресурсы (ОЗУ и ЦП) предоставляет эта услуга? Предоставляет ли он доступ к графическому процессору (что полезно для глубокого обучения)? Сколько места на диске включено? Как долго может длиться сеанс?

Возможность обновления для повышения производительности: Можете ли вы заплатить за эту услугу, чтобы получить доступ к большему количеству вычислительных ресурсов?

Документация и техническая поддержка: Хорошо ли задокументирована услуга? Сможете ли вы связаться с кем-нибудь, если столкнетесь с проблемой?

`1.Папка`

Binder — это сервис, предоставляемый Binder Project, который является членом экосистемы с открытым исходным кодом Project Jupyter. Он позволяет вам вводить URL-адрес любого общедоступного репозитория Git, и он откроет этот репозиторий в собственном интерфейсе Jupyter Notebook. Вы можете запускать любые записные книжки в репозитории, однако любые внесенные вами изменения не будут сохранены обратно в репозиторий. Вам не нужно создавать учетную запись в Binder, и вам не нужно быть владельцем репозитория, хотя репозиторий должен включать файл конфигурации, который определяет его требования к пакету.

Поддерживаемые языки: Python (2 и 3), R, Julia и любые другие языки, поддерживаемые Jupyter.

Возможность установки пакетов: Вы можете указать точные требования к пакету, используя файл конфигурации (например, environment.yml или requirements.txt ).

Сходство интерфейса: Binder использует собственный интерфейс Jupyter Notebook.

Сочетания клавиш: Binder использует те же сочетания клавиш, что и Jupyter.

Отсутствующие элементы: Нет.

Добавленные функции: Нет.

Простота работы с наборами данных: Если ваш набор данных находится в том же репозитории Git, он будет автоматически доступен в Binder. Если вашего набора данных нет в этом репозитории, но он доступен по любому общедоступному URL-адресу, вы можете добавить в репозиторий специальный файл, сообщающий Binder о загрузке вашего набора данных. Однако Binder не поддерживает доступ к частным наборам данных.

Доступ в Интернет: Да.

Возможность работать конфиденциально: Нет, так как работает только с общедоступными репозиториями Git.

Возможность публиковать: Да. Вы можете поделиться URL-адресом, который ведет непосредственно к вашему Binder, или кто-то может запускать ваши записные книжки с помощью веб-сайта Binder (если им известен URL-адрес вашего репозитория Git).

Возможность совместной работы: Нет. Если вы хотите работать с кем-то в одной записной книжке и ваш репозиторий размещен на GitHub, вы можете вместо этого использовать обычный рабочий процесс запроса на вытягивание.

Производительность бесплатного плана: Вам будет доступно до 2 ГБ ОЗУ. Нет конкретного ограничения на объем дискового пространства, хотя они просят вас не включать «очень большие файлы» (более нескольких сотен мегабайт). Binder может запускаться медленно, особенно когда он запускается в недавно обновленном репозитории. Сеансы будут отключены после 20 минут бездействия, хотя они могут длиться 12 часов или дольше. У Binder есть другие правила использования, включая ограничение в 100 одновременных пользователей для любого репозитория.

Возможность обновления для повышения производительности: Нет. Однако у вас есть возможность настроить собственное развертывание BinderHub, которое может обеспечить те же функции, что и Binder, но при этом позволяет настраивать среду (например, увеличивать вычислительные ресурсы или разрешение личных файлов).

Документация и техническая поддержка: Binder имеет обширную документацию. Поддержка сообщества доступна через чат Gitter и форум Discourse, а проблемы с продуктами отслеживаются на GitHub.

Заключение: Если ваши записные книжки уже хранятся в общедоступном репозитории GitHub, Binder — самый простой способ позволить другим пользователям взаимодействовать с ними. Пользователям не нужно создавать учетную запись, и они будут чувствовать себя как дома, если они уже знают, как использовать Jupyter Notebook. Однако следует помнить об ограничениях производительности и пользовательских ограничениях!

`2. Ядра Kaggle`

Kaggle наиболее известен как платформа для соревнований по науке о данных.Однако они также предоставляют бесплатную услугу под названием Kernels, которую можно использовать независимо от их соревнований. После создания учетной записи Kaggle (или входа в систему с помощью Google или Facebook) вы можете создать ядро, которое использует либо интерфейс записной книжки, либо интерфейс сценариев, хотя я сосредоточусь на интерфейсе записной книжки ниже.

Поддерживаемые языки: Python (только 3) и R.

Возможность установки пакетов: Сотни пакетов предустановлены, и вы можете установить дополнительные пакеты, используя pip или указав репозиторий GitHub пакета.Однако любые дополнительные пакеты, которые вы устанавливаете, необходимо будет переустанавливать в начале каждого сеанса. Кроме того, вы можете попросить Kaggle включить дополнительные пакеты в их установку по умолчанию.

Сходство интерфейса: Визуально интерфейс ядра сильно отличается от интерфейса Jupyter. В верхней части экрана нет строки меню или панели инструментов, справа есть складная боковая панель для настройки параметров, а под ноутбуком есть консоль.Однако работа в блокноте Kernels на самом деле очень похожа на работу в блокноте Jupyter, особенно если вам удобны сочетания клавиш Jupyter. Также обратите внимание, что скоро будет выпущен переработанный интерфейс (показанный на скриншоте выше), который больше похож на интерфейс Jupyter и включает простую строку меню.

Сочетания клавиш: Ядра используют те же сочетания клавиш, что и Jupyter.

Отсутствующие элементы:

Поскольку ядра (пока) не включают в себя строку меню или панель инструментов, многие действия можно выполнять только с помощью сочетаний клавиш или палитры команд.
Вы не можете загрузить записную книжку в других полезных форматах, таких как сценарий Python, веб-страница HTML или файл Markdown.

Добавленные функции:

Kernels включает облегченную систему контроля версий. Каждый раз, когда вы хотите сохранить свою работу, есть кнопка «зафиксировать», которая запускает всю записную книжку сверху вниз и добавляет новую версию в историю. (Во время этого процесса вы можете продолжать работать, что очень важно для ноутбуков с длительным сроком эксплуатации.) Хотя вы не можете назвать версии, вы можете отобразить «разницу» между любыми двумя версиями.

Ядра

позволяют выборочно скрывать ввод и / или вывод любой ячейки кода, что упрощает настройку представления вашей записной книжки.

Простота работы с наборами данных: Вы можете загрузить набор данных в Kaggle со своего локального компьютера, URL-адреса или репозитория GitHub, и он будет бесплатно размещен в другом сервисе Kaggle, который называется Datasets. Вы можете сделать набор данных частным или общедоступным.К любому загружаемому вами набору данных, а также к любому общедоступному набору данных, загруженному пользователем Kaggle, может получить доступ любое из ваших ядер. Максимальный размер каждого набора данных составляет 20 ГБ, и одно ядро может получить доступ к нескольким наборам данных.

Доступ в Интернет: Да.

Возможность работать в частном порядке: Да.

Возможность публиковать: Да. Если вы решите сделать свое ядро общедоступным, любой сможет получить к нему доступ, не создавая учетную запись Kaggle, и любой, у кого есть учетная запись Kaggle, может комментировать ваше ядро или скопировать его в свою учетную запись.Кроме того, Kaggle также предоставляет вам страницу общедоступного профиля, на которой отображаются все ваши общедоступные ядра и наборы данных.

Возможность совместной работы: Да. Вы можете оставить свое ядро приватным, но пригласить определенных пользователей Kaggle для просмотра или редактирования. Нет сотрудничества в реальном времени: это больше похоже на работу с отдельными копиями ядра, за исключением того, что все коммиты добавляются в одну и ту же историю версий.

Производительность бесплатного плана: Вы можете использовать либо 4-ядерный ЦП с 17 ГБ ОЗУ, либо 2-ядерный ЦП с 14 ГБ ОЗУ и графический процессор.У вас будет 5 ГБ «сохраненного» дискового пространства и 17 ГБ «временного» дискового пространства, хотя любое дисковое пространство, используемое вашим набором данных, не учитывается в этих цифрах. Сеансы будут отключены через 60 минут бездействия, хотя они могут длиться до 9 часов.

Возможность обновления для повышения производительности: №

Документация и техническая поддержка: Kernels имеет соответствующую документацию. Поддержка доступна через контактную форму и форум.

Заключение: Если вам удобен слегка загроможденный интерфейс (который уже был улучшен в редизайне), у вас будет доступ к высокопроизводительной среде, в которой легко работать с наборами данных и делиться ими. вашу работу публично (или держите в секрете).Включенные функции управления версиями и совместной работы также являются приятными дополнениями, хотя ни одна из них не является полноценной.

`3. Google Colaboratory (Colab)`

Google Colaboratory, обычно называемый «Google Colab», доступен всем, у кого есть учетная запись Google. Пока вы вошли в Google, вы можете быстро начать работу, создав пустую записную книжку, загрузив существующую записную книжку или импортировав записную книжку из любого общедоступного репозитория GitHub. Ваши записные книжки Colab автоматически сохраняются в специальной папке на вашем Google Диске, и вы даже можете создавать новые записные книжки прямо с Диска.

Поддерживаемые языки: Python (2 и 3) и Swift (добавлен в январе 2019 года). Ядра также могут быть установлены для других языков, хотя процесс установки зависит от языка и плохо документирован.

Возможность установки пакетов: Сотни пакетов предустановлены, и вы можете установить дополнительные пакеты с помощью pip. Однако любые дополнительные пакеты, которые вы устанавливаете, необходимо будет переустанавливать в начале каждого сеанса.

Сходство интерфейса: Визуально интерфейс Colab очень похож на интерфейс Jupyter.Однако работа в Colab на самом деле очень отличается от работы в Jupyter Notebook:

.

Большинство пунктов меню разные.
В Colab была изменена некоторая стандартная терминология («среда выполнения» вместо «ядро», «текстовая ячейка» вместо «ячейка уценки» и т. Д.).
Colab изобрел новые концепции, которые вы должны понимать, такие как «игровой режим».
Командный режим и режим редактирования в Colab работают иначе, чем в Jupyter.

Сочетания клавиш: В Colab большинство сочетаний клавиш с одной буквой, используемых Jupyter (например, «a» для «вставить ячейку выше»), были изменены на многоступенчатый процесс («Ctrl + m», за которым следует «а»), хотя Colab позволяет настраивать ярлыки.

Отсутствующие элементы:

Поскольку в строке меню Colab отсутствуют некоторые элементы, а панель инструментов остается очень простой, некоторые действия можно выполнять только с помощью сочетаний клавиш.
Вы не можете загрузить свой блокнот в других полезных форматах, таких как веб-страница HTML или файл Markdown (хотя вы можете загрузить его как скрипт Python).

Добавленные функции:

Colab включает облегченную систему контроля версий. Он часто сохраняет текущее состояние вашей записной книжки, и вы можете просматривать историю изменений.Однако вы не можете отобразить «разницу» между версиями, а это значит, что вам придется проводить какие-либо сравнения вручную.
Colab позволяет добавлять поля формы в записную книжку, что позволяет параметризировать код в интерактивном режиме. Однако эти поля работают только в Colab.
Когда вы создаете заголовок раздела в своей записной книжке, Colab делает каждый раздел сворачиваемым и автоматически создает «оглавление» на боковой панели, что упрощает навигацию по большим блокнотам.

Простота работы с наборами данных: Вы можете загрузить набор данных для использования в записной книжке Colab, но он будет автоматически удален после завершения сеанса. В качестве альтернативы вы можете разрешить Colab читать файлы с вашего Google Диска, хотя это сложнее, чем должно быть. Colab также включает соединители с другими сервисами Google, такими как Google Таблицы и Google Cloud Storage.

Доступ в Интернет: Да.

Возможность работать в частном порядке: Да.

Возможность публиковать: Да. Если вы решите сделать свою записную книжку общедоступной и поделитесь ссылкой, любой сможет получить к ней доступ, не создавая учетную запись Google, и любой, у кого есть учетная запись Google, может скопировать ее в свою учетную запись. Кроме того, вы можете разрешить Colab сохранить копию вашей записной книжки на GitHub или Gist, а затем поделиться ею оттуда.

Возможность совместной работы: Да. Вы можете сохранить свою записную книжку в секрете, но пригласить определенных людей для просмотра или редактирования (с помощью знакомого интерфейса общего доступа Google).Вы и ваши соавторы можете редактировать записную книжку и видеть изменения друг друга, а также добавлять комментарии друг к другу (аналогично Документам Google). Однако ваши правки не видны вашим соавторам в режиме реального времени (есть задержка до 30 секунд), и есть вероятность, что ваши правки будут потеряны, если несколько человек редактируют записную книжку одновременно. Кроме того, вы фактически не делитесь своей средой со своими соавторами (это означает, что нет синхронизации того, какой код был запущен), что значительно ограничивает полезность функций совместной работы.

Производительность бесплатного плана: Colab предоставляет вам доступ к графическому процессору или TPU. В противном случае Google не предоставляет никаких спецификаций для своей среды. Если вы подключите Colab к Google Диску, это даст вам до 15 ГБ дискового пространства для хранения ваших наборов данных. Сеансы будут отключены после 60 минут бездействия, хотя они могут длиться до 12 часов.

Возможность обновления для повышения производительности: Нет. Однако у вас есть возможность подключиться к локальной среде выполнения, которая позволяет выполнять код на локальном оборудовании и получать доступ к локальной файловой системе.

Документация и техническая поддержка: Colab имеет минимальный набор документации, которая содержится на странице часто задаваемых вопросов и множестве примеров записных книжек. Поддержка доступна через GitHub issues, а поддержка сообщества доступна через Stack Overflow.

Заключение: Самая сильная сторона Colab заключается в том, что с него легко начать работу, поскольку у большинства людей уже есть учетная запись Google, и легко делиться блокнотами, поскольку функция совместного использования работает так же, как Google Docs.Однако громоздкие сочетания клавиш и сложность работы с наборами данных являются существенными недостатками. Возможность совместной работы в одной записной книжке полезна, но менее полезна, чем могла бы быть, поскольку вы не используете общую среду и не можете сотрудничать в режиме реального времени.

`4. Ноутбуки Microsoft Azure`

Чтобы начать работу с записными книжками Azure, вы сначала входите в систему с учетной записью Microsoft или Outlook (или создаете ее). Следующим шагом является создание «проекта», который структурирован идентично репозиторию GitHub: он может содержать одну или несколько записных книжек, файлы Markdown, наборы данных и любой другой файл, который вы хотите создать или загрузить, и все они могут быть организованы в папки.Также, как GitHub, вы можете инициализировать проект с помощью файла README, который будет автоматически отображаться на странице проекта. Если ваша работа уже хранится на GitHub, вы можете импортировать весь репозиторий прямо в проект.

Поддерживаемые языки: Python (2 и 3), R и F #.

Возможность установки пакетов: Сотни пакетов предустановлены, вы можете установить дополнительные пакеты с помощью pip или conda, и вы можете указать точные требования к пакету с помощью файла конфигурации (например, environment.yml или requirements.txt ).

Сходство интерфейса: Azure использует собственный интерфейс Jupyter Notebook.

Сочетания клавиш: Azure использует те же сочетания клавиш, что и Jupyter.

Отсутствующие элементы: Нет.

Добавленные функции:

Расширение RISE предустановлено, что позволяет мгновенно представить свой блокнот в виде слайд-шоу на основе open.js в реальном времени.
Пакет jupyter_contrib_nbextensions поставляется предустановленным, что дает вам легкий доступ к коллекции из более чем 50 расширений Jupyter Notebook для улучшения интерфейса ноутбука.

Простота работы с наборами данных: Вы можете загрузить набор данных в свой проект с локального компьютера или URL-адреса, и к нему можно получить доступ из любой записной книжки в вашем проекте. Azure также включает соединители с другими службами Azure, такими как служба хранилища Azure и различные базы данных Azure.

Доступ в Интернет: Да.

Возможность работать в частном порядке: Да.

Возможность публиковать: Да. Если вы решите сделать свой проект общедоступным, любой сможет получить к нему доступ без создания учетной записи Microsoft, и любой, у кого есть учетная запись Microsoft, может скопировать его в свою учетную запись.Кроме того, Azure также предоставляет вам страницу общедоступного профиля (очень похожую на профиль GitHub), на которой отображаются все ваши общедоступные проекты.

Возможность совместной работы: Нет, хотя это запланированная функция.

Производительность бесплатного плана: У вас будет доступ к 4 ГБ ОЗУ и 1 ГБ дискового пространства (для каждого проекта). Сеансы будут отключены после 60 минут бездействия, хотя они могут длиться 8 часов или дольше.

Возможность обновления для повышения производительности: Да.Вы можете оплатить подписку Azure, хотя процесс настройки нетривиален, а цены сложны.

Документация и техническая поддержка: Azure имеет обширную документацию. Поддержка доступна через GitHub issues.

Заключение: Самая большая сила записных книжек Azure — это простота использования: структура проекта (заимствованная из GitHub) упрощает работу с несколькими записными книжками и наборами данных, а использование собственного интерфейса Jupyter означает, что существующие пользователи Jupyter будут иметь легкий переход.Однако оперативная память и дисковое пространство не особо щедры, а отсутствие совместной работы — большой пробел в функциональности.

`5. CoCalc`

CoCalc, сокращенно от «совместных вычислений», представляет собой интерактивное рабочее пространство для вычислений на Python, R, Julia и многих других языках. Он позволяет создавать и редактировать Jupyter Notebooks, рабочие листы Sage и документы LaTeX. После создания учетной записи CoCalc первым шагом является создание «проекта», который может содержать одну или несколько записных книжек, файлы Markdown, наборы данных и любой другой файл, который вы хотите создать или загрузить, и все они могут быть организованы в папки. .Интерфейс проекта сначала кажется немного подавляющим, но он выглядит гораздо более знакомым, когда вы создаете или открываете записную книжку.

Поддерживаемые языки: Python (2 и 3), R, Julia и многие другие языки.

Возможность установки пакетов: Сотни пакетов предустановлены. Вы можете установить дополнительные пакеты с помощью pip, но это недоступно при использовании бесплатного плана. Кроме того, вы можете попросить CoCalc включить дополнительные пакеты в их установку по умолчанию.

Сходство интерфейса: Хотя CoCalc не использует собственный интерфейс Jupyter Notebook (они переписали его с помощью React.js), интерфейс очень похож на Jupyter, с небольшими изменениями. Фактически вы можете переключиться на использование собственного Jupyter Notebook из CoCalc, хотя это не рекомендуется, поскольку вы потеряете доступ к наиболее ценным функциям CoCalc («путешествия во времени» и совместная работа в реальном времени, которые обсуждаются ниже).

Сочетания клавиш: CoCalc использует почти все те же сочетания клавиш, что и Jupyter.

Отсутствующие элементы: Нет.

Добавленные функции:

CoCalc включает мощную функцию управления версиями, называемую путешествием во времени, которая записывает все ваши изменения в записной книжке с мельчайшими подробностями и позволяет просматривать эти изменения с помощью интуитивно понятного ползунка.
CoCalc сохраняет резервную копию всех файлов вашего проекта каждые несколько минут, что означает, что вы можете восстановить более старые версии ваших файлов, если это необходимо.
CoCalc включает дополнительные функции для преподавателей, такие как возможность распределять и оценивать задания, а также возможность наблюдать за студентами, пока они работают, и болтать с ними о задании.

Простота работы с наборами данных: Вы можете загрузить набор данных в свой проект со своего локального компьютера, и к нему можно будет получить доступ из любой записной книжки в вашем проекте.

Доступ в Интернет: Нет, это недоступно при использовании бесплатного тарифного плана.

Возможность работать в частном порядке: Да.

Возможность публиковать: Да. Если вы решите сделать свою записную книжку общедоступной и поделитесь ссылкой, любой сможет получить к ней доступ, не создавая учетную запись CoCalc, и любой, у кого есть учетная запись CoCalc, может скопировать ее в свою учетную запись.

Возможность совместной работы: Да. Вы можете сохранить свой блокнот приватным, но пригласить определенных людей для редактирования. Вы и ваши соавторы можете редактировать записную книжку одновременно и видеть изменения (и курсоры) друг друга в режиме реального времени, а также общаться в чате (с помощью текста или видео) в окне рядом с записной книжкой. Статус и результаты всех вычислений также синхронизируются, что означает, что все участники будут одинаково работать с ноутбуком.

Производительность бесплатного плана: У вас будет доступ к 1-ядерному общему ЦП с 1 ГБ общей оперативной памяти и 3 ГБ дискового пространства (для каждого проекта).Сеансы будут отключены после 30 минут бездействия, хотя они могут продолжаться до 24 часов.

Возможность обновления для повышения производительности: Да. Вы можете заплатить за подписку CoCalc, которая начинается с 14 долларов в месяц. Кроме того, вы можете установить образ CoCalc Docker на свой компьютер, что позволит вам бесплатно запустить частный многопользовательский сервер CoCalc.

Документация и техническая поддержка: CoCalc имеет обширную документацию. Поддержка доступна по электронной почте и через контактную форму, а проблемы с продуктами отслеживаются на GitHub.

Заключение: Наиболее веские причины для использования CoCalc — это совместная работа в реальном времени и функции управления версиями «путешествия во времени», а также функции управления курсом (если вы инструктор). Хотя интерфейс немного загроможден, существующие пользователи Jupyter могут относительно легко перейти на CoCalc. Однако у бесплатного плана есть некоторые важные ограничения (невозможность установить дополнительные пакеты или получить доступ к Интернету), а производительность бесплатного плана скромна.

`6. Datalore`

Datalore был создан JetBrains, той же компанией, которая делает PyCharm (популярную среду разработки Python). Начать работу так же просто, как создать учетную запись или войти в систему с учетной записью Google или JetBrains. Вы можете создать новую «книгу» Datalore или загрузить существующую записную книжку Jupyter. Книги Datalore хранятся в проприетарном формате, хотя он поддерживает импорт и экспорт стандартного формата файла .ipynb.

Поддерживаемые языки: Только Python 3.

Возможность установки пакетов: Сотни пакетов предустановлены, и вы можете установить дополнительные пакеты, используя pip или conda, или указав репозиторий GitHub пакета.

Сходство интерфейса: Когда вы открываете Datalore, интерфейс действительно напоминает Jupyter Notebook в том смысле, что есть код и ячейки Markdown, а также вывод под этими ячейками. Однако между интерфейсами Datalore и Jupyter есть некоторые важные различия:

Ячейки (которые Datalore называет «блоками») не нумеруются, потому что упорядочение ячеек принудительно.Другими словами, весь ваш код должен быть написан в том порядке, в котором вы в конечном итоге хотите, чтобы он выполнялся.
В записной книжке (которую Datalore называет «книгой») может быть несколько рабочих листов, как в Google Таблицах, что является удобным способом разбить длинные книги на логические разделы. Если вы создаете несколько листов в книге, все они будут использовать одну и ту же среду. Поскольку порядок ячеек важен в Datalore, ячейки на втором листе обрабатываются как следующие после ячеек на первом листе, третий лист идет после второго листа и т. Д.
Есть много других отличий интерфейса, которые описаны в разделе «Дополнительные функции».

Сочетания клавиш: Сочетания клавиш доступны для большинства действий в Datalore, но сочетания клавиш сильно отличаются от тех, что используются в Jupyter.

Отсутствующие элементы:

Datalore не использует ядро IPython, поэтому магические функции и команды оболочки IPython недоступны. (Однако дополнительный доступ к ядру IPython является запланированной функцией.)
Поскольку строка меню Datalore очень проста и в ней нет панели инструментов, многие действия можно выполнять только с помощью сочетаний клавиш.
Вы не можете загрузить свою книгу в других полезных форматах, таких как сценарий Python, веб-страница HTML или файл Markdown.
Datalore не поддерживает все обычно поддерживаемые функции Markdown в своих ячейках Markdown. (Однако улучшенная поддержка Markdown является запланированной функцией.)
Datalore не поддерживает интерактивные виджеты.
Datalore не включает поддержку нескольких курсоров.

Добавленные функции:

Ячейки автоматически запускаются по мере их записи, что Datalore называет «живыми вычислениями». Это на самом деле упрощает отладку кода по мере его написания, поскольку вы можете сразу увидеть результаты своего кода. (Вычисления в реальном времени можно отключить, и в этом случае вы можете вручную запустить выполнение ячеек.)
Поскольку ячейки всегда будут работать в том порядке, в котором они расположены, Datalore может отслеживать зависимости ячеек.Это означает, что при редактировании данной ячейки Datalore определит, какие ячейки ниже нее потенциально затронуты, и немедленно повторно запустит эти ячейки (при условии, что живые вычисления включены). Если редактирование вызывает ошибку в зависимой ячейке, эти ошибки будут немедленно помечены.
Datalore позволяет отображать входы и выходы ячеек последовательно (как в Jupyter) или в «разделенном виде», и в этом случае входы и выходы находятся на двух отдельных панелях. При использовании последовательного просмотра Datalore также позволяет легко скрыть все входные данные или скрыть все выходы.
Datalore включает в себя больше «интеллекта», чем Jupyter, при завершении кода.
Когда вы пишете код, Datalore предоставляет контекстно-зависимые предложения (называемые «намерениями»), какие действия вы можете предпринять. Например, после ввода имени DataFrame намерения могут включать в себя «столбцы отбрасываемой строки», «гистограмму» и «разделение теста обучения». Когда вы щелкаете намерение, Datalore фактически генерирует для вас код, который может быть полезным способом изучить код, стоящий за определенными задачами.
Datalore включает хорошо продуманную систему контроля версий. Он часто сохраняет текущее состояние вашей книги, и вы можете быстро просматривать различия между текущей версией и любыми предыдущими версиями. Вы также можете добавить сообщение при сохранении книги, а затем отфильтровать список версий, чтобы включить только те версии с сообщением.
Datalore предоставляет вам доступ к библиотеке построения графиков под названием datalore.plot, которая очень похожа на R ggplot2, хотя вы можете использовать ее только внутри Datalore.

Простота работы с наборами данных: Вы можете загрузить набор данных в свою книгу с локального компьютера или URL-адреса, но доступ к нему возможен только из этой конкретной книги. Если вы работаете с одним и тем же набором данных во многих книгах, это может вызвать серьезное раздражение. (Однако совместное использование наборов данных между книгами является запланированной функцией.)

Доступ в Интернет: Да.

Возможность работать в частном порядке: Да.

Возможность публиковать: No.

Возможность совместной работы: Да. Вы можете сохранить свою книгу частной, но пригласить определенных людей для просмотра или редактирования. Вы и ваши соавторы можете редактировать записную книжку одновременно и видеть изменения (и курсоры) друг друга в режиме реального времени. Статус и результаты всех вычислений также синхронизируются, что означает, что все участники будут одинаково работать с ноутбуком.

Производительность бесплатного плана: У вас будет доступ к 2-ядерному процессору с 4 ГБ ОЗУ и 10 ГБ дискового пространства.Сеансы будут отключены после 60 минут бездействия, хотя нет конкретного ограничения на продолжительность отдельных сеансов. Вы можете пользоваться услугой до 120 часов в месяц.

Возможность обновления для повышения производительности: Нет, хотя скоро появится платный план, предлагающий больше дискового пространства и более мощный процессор (или графический процессор).

Документация и техническая поддержка: Datalore имеет минимальный объем документации, который содержится в образцах рабочих книг.Поддержка доступна через форум Discourse.

Заключение: Datalore больше не является адаптацией Jupyter Notebook, а больше похож на новое изобретение Notebook. Он включает в себя инновационный набор функций, включая вычисления в реальном времени, отслеживание зависимостей, совместную работу в реальном времени и встроенный контроль версий. Однако существующим пользователям Jupyter может быть непросто перейти на Datalore, тем более что упорядочение ячеек принудительно и все сочетания клавиш сильно отличаются.Кроме того, в настоящее время Datalore имеет некоторые заметные ограничения, а именно: книги нельзя делиться общедоступными, а загруженные наборы данных не могут использоваться другими книгами.

`Как выбрать подходящую услугу`

Из шести представленных вариантов нет ни одного явного «победителя». Вместо этого правильный выбор будет зависеть от ваших приоритетов. Ниже приведены мои предложения о том, что вам следует выбрать, исходя из ваших конкретных потребностей. (Примечание: вы также можете просмотреть это как сравнительную таблицу.)

Вы используете язык, отличный от Python: Binder и CoCalc поддерживают множество языков. Azure поддерживает Python, R и F #, ядра поддерживают Python и R, Colab поддерживает Python и Swift, а Datalore поддерживает только Python.

Вам необходимо использовать Python 2: Binder, Colab, Azure и CoCalc поддерживают Python 2 и 3, тогда как ядра и Datalore поддерживают только Python 3.

Вы работаете с нестандартными пакетами: Binder и Azure позволяют указать точные требования к пакету с помощью файла конфигурации.CoCalc и Datalore позволяют устанавливать дополнительные пакеты, которые будут сохраняться во время сеансов, хотя это недоступно в бесплатном плане CoCalc. Ядра и Colab также позволяют вам устанавливать дополнительные пакеты, хотя они не сохраняются между сеансами. Ядра и CoCalc принимают запросы пользователей о том, какие пакеты должны быть включены в их установку по умолчанию.

Вам нравится существующий интерфейс Jupyter Notebook: Binder и Azure используют собственный интерфейс Jupyter Notebook, а CoCalc использует почти идентичный интерфейс.Ядра визуально отличаются от Jupyter, но работают так же, тогда как Colab визуально похож на Jupyter, но не работает так же. Datalore — самый дальний из существующих Jupyter Notebook.

Вы интенсивно используете сочетания клавиш: Binder, ядра и Azure используют те же сочетания клавиш, что и Jupyter, а CoCalc использует почти все те же сочетания клавиш. Datalore использует совершенно разные сочетания клавиш, а Colab использует громоздкие многоступенчатые сочетания клавиш (хотя их можно настроить).

Вы предпочитаете интерфейс «укажи и щелкни»: Binder, Azure и CoCalc позволяют выполнять все действия путем наведения указателя и щелчка, тогда как ядра, Colab и Datalore требуют использования сочетаний клавиш для определенных действий.

Вам нужна интегрированная система контроля версий: CoCalc и Datalore предоставляют лучшие интерфейсы для контроля версий. Система контроля версий Kaggle более ограничена, а система Colab еще более ограничена. Binder и Azure не предоставляют систему контроля версий.

Вы работаете с большим количеством наборов данных: ядра без проблем работают с Kaggle Datasets, полнофункциональным (и бесплатным) сервисом для размещения наборов данных размером до 20 ГБ каждый. CoCalc предлагает 3 ГБ дискового пространства для каждого проекта, и к любому загружаемому вами набору данных можно получить доступ из любой записной книжки в вашем проекте. Azure имеет аналогичные функции, за исключением того, что предлагает 1 ГБ дискового пространства для каждого проекта. Datalore предлагает 10 ГБ общего дискового пространства, хотя каждый загружаемый набор данных должен быть связан с определенной книгой.Colab будет отбрасывать все загруженные вами наборы данных по окончании сеанса, если вы не свяжете Colab со своим Google Диском. Binder лучше всего подходит для небольших наборов данных, которые хранятся в вашем репозитории Git или находятся по общедоступному URL-адресу.

Ваш проект уже размещен на GitHub: Binder может запускать ваши записные книжки прямо из GitHub, Azure позволит вам импортировать весь репозиторий GitHub, а Colab может импортировать одну записную книжку из GitHub. Ядра, CoCalc и Datalore не предоставляют аналогичных функций.

Ваша работа должна быть конфиденциальной: Все варианты, кроме поддержки Binder, работают конфиденциально.

Вам необходимо хранить свои данные локально: Ни один из этих облачных сервисов не позволяет хранить ваши данные локально. Однако вы можете настроить Binder или CoCalc на своем собственном сервере, поскольку BinderHub и образ CoCalc Docker имеют открытый исходный код, что позволит вам хранить данные локально.

Вы хотите опубликовать свою работу: Binder создает минимальные трудности при совместном использовании, поскольку люди могут просматривать и запускать вашу записную книжку, не создавая учетной записи.Ядра, Colab, Azure и CoCalc позволяют вам делиться URL-адресом для доступа только для чтения, при этом от пользователей требуется создание учетной записи, если они хотят запустить ваш блокнот. Ядра и Azure делают совместный доступ еще проще, предоставляя вам страницу общедоступного профиля. Datalore не разрешает публичный обмен.

Вам необходимо сотрудничать с другими: CoCalc и Datalore поддерживают совместную работу в реальном времени. Colab поддерживает совместную работу над одним и тем же документом, но не в режиме реального времени, и вы не используете одну и ту же среду.Ядра поддерживают форму сотрудничества, в которой вы делитесь историей версий. Binder и Azure не включают в себя никаких функций совместной работы, хотя с Binder это может легко происходить через обычный рабочий процесс запроса на вытягивание GitHub.

Вам нужна высокопроизводительная среда: Kernels обеспечивает самую мощную среду (4-ядерный ЦП и 17 ГБ ОЗУ), за ними следуют Datalore (2-ядерный ЦП и 4 ГБ ОЗУ), Azure (4 ГБ ОЗУ), Binder ( до 2 ГБ ОЗУ) и CoCalc (1-ядерный процессор и 1 ГБ ОЗУ).Colab не предоставляет спецификации для своей среды.

Вам нужен доступ к графическому процессору: ядра и Colab предоставляют бесплатный доступ к графическому процессору. Доступ к графическому процессору доступен платным клиентам Azure и (скоро) Datalore. Доступ к графическому процессору недоступен через Binder или CoCalc.

Вы предпочитаете использовать некоммерческий инструмент: Binder — единственный вариант, которым управляет некоммерческая организация.

`Подобные услуги, которые не проверялись`

Следующие услуги аналогичны шести вариантам выше, но не были включены в мое сравнение:

Я не включил ни одной службы, которая предоставляет доступ только к JupyterLab, например Notebooks AI, Kyso и CyVerse.(Обратите внимание, что Binder, Azure и CoCalc позволяют использовать JupyterLab вместо Jupyter Notebook, если хотите.)
Я не включил IBM Watson Studio Cloud, потому что процесс начала работы громоздкий, интерфейс слишком сложен, бесплатный план имеет множество ограничений, а во время тестирования было много сообщений об ошибках.
Я не включил Code Ocean, потому что бесплатный план сильно ограничен без академического адреса электронной почты.
Я не включил ZEPL, потому что он не позволяет экспортировать записные книжки с использованием стандарта.формат ipynb.
Я не включил никаких платных сервисов, таких как Saturn Cloud, Crestle.ai и Paperspace.

`Мой процесс проверки фактов`

Эта статья — результат более 50 часов исследований, тестирования и написания. Кроме того, в марте 2019 года я поделился черновиками этой статьи с соответствующими командами из Binder, Kaggle, Google, Microsoft, CoCalc и Datalore. Я получил подробные отзывы от всех шести компаний / организаций (спасибо!), Которые я включил в статью перед публикацией.

При этом эти службы постоянно меняются, и вполне вероятно, что часть этой информации в будущем устареет. Если вы считаете, что что-то в этой статье больше не соответствует действительности, оставьте комментарий ниже, и я буду рад рассмотреть возможность обновления статьи.

Обновлено 17.05.2019: CoCalc теперь поддерживает интерактивные виджеты. Уточнены ограничения функциональности совместной работы Google Colab.

`Введение — Настоящий Python`

Смотреть сейчас В этом руководстве есть связанный видеокурс, созданный командой Real Python.Посмотрите его вместе с письменным руководством, чтобы углубить свое понимание: Использование Jupyter Notebooks

Jupyter Notebook — это веб-приложение с открытым исходным кодом, которое можно использовать для создания и обмена документами, содержащими живой код, уравнения, визуализации и текст. Jupyter Notebook поддерживается людьми из Project Jupyter.

Jupyter Notebooks — это побочный проект проекта IPython, который раньше имел сам проект IPython Notebook. Название Jupyter происходит от основных поддерживаемых языков программирования: Julia, Python и R.Jupyter поставляется с ядром IPython, которое позволяет вам писать свои программы на Python, но в настоящее время существует более 100 других ядер, которые вы также можете использовать.

Бесплатный бонус: 5 мыслей о Python Mastery, бесплатный курс для разработчиков Python, который показывает вам план действий и образ мышления, которые вам понадобятся, чтобы вывести свои навыки Python на новый уровень.

`Начало работы с Jupyter Notebook`

Jupyter Notebook не входит в состав Python, поэтому, если вы хотите попробовать его, вам нужно будет установить Jupyter.

Существует множество дистрибутивов языка Python. В этой статье мы остановимся только на двух из них в целях установки Jupyter Notebook. Самым популярным из них является CPython, эталонная версия Python, которую вы можете получить на их веб-сайте. Также предполагается, что вы используете Python 3 .

`Установка`

Если да, то вы можете использовать удобный инструмент, который поставляется с Python, под названием pip , чтобы установить Jupyter Notebook следующим образом:

Следующим по популярности дистрибутивом Python является Anaconda.У Anaconda есть собственный установщик под названием conda , который вы можете использовать для установки стороннего пакета. Однако Anaconda поставляется с множеством предустановленных научных библиотек, включая Jupyter Notebook, поэтому вам не нужно ничего делать, кроме установки самой Anaconda.

`Запуск сервера ноутбуков Jupyter`

Теперь, когда у вас установлен Jupyter, давайте узнаем, как его использовать. Для начала все, что вам нужно сделать, это открыть приложение терминала и перейти в папку по вашему выбору.Я рекомендую для начала использовать что-то вроде папки «Документы» и создать в ней подпапку под названием Notebooks или что-то еще, что легко запомнить.

Затем просто перейдите в это место в своем терминале и выполните следующую команду:

Это запустит Jupyter, и ваш браузер по умолчанию должен запуститься (или открыть новую вкладку) по следующему URL-адресу: http: // localhost: 8888 / tree

Ваш браузер теперь должен выглядеть примерно так:

Обратите внимание, что прямо сейчас вы фактически не используете Notebook, а просто запускаете сервер Notebook.Давайте прямо сейчас создадим Блокнот!

`Создание записной книжки`

Теперь, когда вы знаете, как запустить сервер Notebook, вам, вероятно, следует научиться создавать настоящий документ Notebook.

Все, что вам нужно сделать, это нажать кнопку Новый (вверху справа), и откроется список вариантов. На моем компьютере установлены Python 2 и Python 3, поэтому я могу создать блокнот, в котором используется любой из них. Для простоты выберем Python 3.

.

Ваша веб-страница теперь должна выглядеть так:

`Именование`

Вы заметите, что вверху страницы находится слово Untitled .Это заголовок страницы и имя вашей записной книжки. Так как это имя не очень информативное, давайте изменим его!

Просто наведите указатель мыши на слово Без названия и щелкните текст. Теперь вы должны увидеть в браузере диалоговое окно с названием Rename Notebook . Давайте переименуем это в Hello Jupyter :

`Беговые клетки`

Ячейка Notebook по умолчанию использует код всякий раз, когда вы создаете его впервые, и эта ячейка использует ядро, которое вы выбрали при запуске Notebook.

В этом случае вы начали свой с Python 3 в качестве ядра, так что это означает, что вы можете писать код Python в своих ячейках кода. Поскольку в вашем исходном Блокноте есть только одна пустая ячейка, Блокнот ничего не может делать.

Таким образом, чтобы убедиться, что все работает должным образом, вы можете добавить в ячейку код Python и попробовать запустить ее содержимое.

Давайте попробуем добавить в эту ячейку следующий код:

Запуск ячейки означает выполнение содержимого ячейки.Чтобы выполнить ячейку, вы можете просто выбрать ячейку и нажать кнопку Выполнить , которая находится в ряду кнопок вверху. Это ближе к середине. Если вы предпочитаете использовать клавиатуру, вы можете просто нажать Shift + Enter .

Когда я запустил приведенный выше код, результат выглядел так:

Если у вас есть несколько ячеек в вашей записной книжке, и вы запускаете ячейки по порядку, вы можете поделиться своими переменными и импортом между ячейками. Это позволяет легко разделить ваш код на логические фрагменты без необходимости повторно импортировать библиотеки или воссоздавать переменные или функции в каждой ячейке.

Когда вы запустите ячейку, вы заметите, что рядом со словом В слева от ячейки есть квадратные скобки. Квадратные скобки автоматически заполнятся числом, которое указывает порядок, в котором вы запускали ячейки. Например, если вы откроете новую записную книжку и запустите первую ячейку в верхней части записной книжки, квадратные скобки заполнятся числом 1 .

`Пусковые клеммы и прочее`

Jupyter Notebook также позволяет запускать больше, чем просто записные книжки.Вы также можете создать текстовый файл, папку или Терминал в своем браузере. Вернитесь на домашнюю страницу, которая открылась при первом запуске сервера Jupyter по адресу http: // localhost: 8888 / tree . Перейдите к кнопке New и выберите один из других вариантов.

Терминал, вероятно, является наиболее интересным из всех, поскольку он запускает терминал вашей операционной системы в браузере. Это позволяет запускать в браузере bash, Powershell и т. Д. И запускать там любую команду оболочки, которая может вам понадобиться.

`Просмотр того, что работает`

Также на домашней странице вашего сервера Jupyter ( http: // localhost: 8888 / tree ) есть две другие вкладки: Запуск и Кластеры .

Вкладка Running сообщит вам, какие ноутбуки и терминалы вы используете в данный момент. Это полезно, когда вы хотите выключить сервер, но вам нужно убедиться, что вы сохранили все свои данные. К счастью, записные книжки автоматически сохраняются довольно часто, поэтому вы редко теряете данные.Но хорошо иметь возможность видеть, что работает, когда вам нужно.

Еще одна приятная особенность этой вкладки заключается в том, что вы можете просмотреть свои запущенные приложения и закрыть их там.

`Добавление расширенного содержимого`

Jupyter Notebook поддерживает добавление расширенного содержимого в свои ячейки. В этом разделе вы получите обзор лишь некоторых вещей, которые вы можете делать со своими ячейками с помощью разметки и кода.

`Типы ячеек`

Технически существует четыре типа ячеек: Code, Markdown, Raw NBConvert и Heading.

Тип ячейки «Заголовок» больше не поддерживается и будет отображать диалоговое окно, в котором говорится об этом. Вместо этого вы должны использовать Markdown для своих заголовков.

Тип ячеек Raw NBConvert предназначен только для особых случаев использования инструмента командной строки nbconvert . По сути, он позволяет вам управлять форматированием очень специфическим образом при преобразовании из записной книжки в другой формат.

Основными типами ячеек, которые вы будете использовать, являются типы ячеек Code и Markdown.Вы уже узнали, как работают ячейки кода, поэтому давайте узнаем, как стилизовать текст с помощью Markdown.

`Стилизация текста`

Jupyter Notebook поддерживает Markdown, язык разметки, являющийся надмножеством HTML. В этом руководстве будут рассмотрены некоторые основы того, что вы можете делать с Markdown.

Установите для новой ячейки значение Markdown, а затем добавьте в ячейку следующий текст:

Когда вы запустите ячейку, результат должен выглядеть так:

Если вы предпочитаете выделить текст жирным шрифтом, используйте двойное подчеркивание или двойную звездочку.

`Создание списков`

Вы можете создать список (маркеры), используя тире, знаки плюса или звездочки. Вот пример:

`Подсветка кода и синтаксиса`

Если вы хотите вставить пример кода, который не должен запускать конечный пользователь, вы можете использовать Markdown, чтобы вставить его. Для выделения встроенного кода просто заключите код в обратные кавычки. Если вы хотите вставить блок кода, вы можете использовать тройные обратные кавычки, а также указать язык программирования:

`Экспорт ноутбуков`

Когда вы работаете с Jupyter Notebooks, вы обнаружите, что вам нужно поделиться своими результатами с нетехническими специалистами.Когда это произойдет, вы можете использовать инструмент nbconvert , который поставляется с Jupyter Notebook, для преобразования или экспорта вашего Notebook в один из следующих форматов:

HTML
LaTeX
PDF
RevealJS
Уценка
Восстановленный текст
Исполняемый скрипт

Инструмент nbconvert использует скрытые шаблоны Jinja для преобразования файлов Notebook ( .ipynb ) в эти другие форматы.

Jinja — это шаблонизатор, созданный для Python. Также обратите внимание, что nbconvert также зависит от Pandoc и TeX, чтобы иметь возможность экспортировать во все вышеперечисленные форматы. Если у вас нет одного или нескольких из них, некоторые типы экспорта могут не работать. Для получения дополнительной информации вы должны проверить документацию.

`Как использовать`

nbconvert

Команда nbconvert не принимает очень много параметров, что упрощает обучение ее использованию.Откройте терминал и перейдите в папку, содержащую записную книжку, которую вы хотите преобразовать. Основная команда преобразования выглядит так:

  $ jupyter nbconvert <записная книжка ввода> --to <формат вывода>

`Пример использования`

Предположим, у вас есть блокнот с именем py_examples.ipynb и вы хотите преобразовать его в PDF. Вот команда, которую вы бы использовали для этого:

  $ jupyter nbconvert py_examples.ipynb --to pdf

Когда вы запустите эту команду, вы должны увидеть некоторые выходные данные, которые расскажут вам о процессе преобразования. nbconvert будет отображать предупреждения и ошибки, если они есть. Предполагая, что все идет по плану, теперь в вашей папке будет файл py_examples.pdf .

Процесс конвертации для других типов файлов очень похож. Вам просто нужно указать nbconvert , в какой тип конвертировать (PDF, Markdown, HTML и т. Д.).

`Расширения для ноутбуков`

Хотя в Jupyter Notebooks встроено множество функций, вы можете добавлять новые функции с помощью расширений.Jupyter на самом деле поддерживает четыре типа расширений:

Ядро
Ядро IPython
Ноутбук
Ноутбук сервер

В этом руководстве основное внимание уделяется расширениям Notebook.

`Что такое расширения?`

Расширение Notebook ( nbextension ) — это модуль JavaScript, который вы загружаете в большинство представлений во внешнем интерфейсе Notebook. Если у вас есть опыт работы с JavaScript, вы даже можете написать собственное расширение. Расширение может получить доступ к DOM страницы и Jupyter JavaScript API.

`Где мне взять расширения?`

Вы можете использовать Google или искать расширения Jupyter Notebook. На самом деле их довольно много. Один из самых популярных наборов расширений называется jupyter_contrib_nbextensions , который вы можете получить на GitHub. На самом деле это набор расширений, который предоставляется сообществом Jupyter и устанавливается с помощью pip .

`Как их установить?`

Большинство расширений Jupyter Notebook можно установить с помощью инструмента Python pip .Если вы обнаружите расширение, которое не может быть установлено с помощью pip , вам, вероятно, придется использовать следующую команду:

  $ jupyter nbextension установить EXTENSION_NAME

Это только устанавливает расширение, но не делает его активным. Вам нужно будет включить расширение после его установки, запустив следующее:

  $ jupyter nbextension включить EXTENSION_NAME

Возможно, вам потребуется перезапустить ядро Jupyter Notebook, чтобы увидеть расширение.

Существует хорошее мета-расширение под названием Jupyter NbExtensions Configurator , которое стоит приобрести для управления другими расширениями. Он позволяет вам включать и отключать ваши расширения из пользовательского интерфейса Jupyter Notebook, а также показывает все установленные в настоящее время расширения.

`Заключение`

Jupyter Notebook весьма полезен не только для изучения и преподавания такого языка программирования, как Python, но и для обмена вашими данными.

Вы можете превратить свой блокнот в слайд-шоу или поделиться им в Интернете с помощью GitHub.Если вы хотите поделиться записной книжкой, не требуя от пользователей ничего устанавливать, вы можете использовать для этого связыватель.

У Google и Microsoft есть собственная версия записной книжки, которую вы можете использовать для создания и совместного использования записных книжек в Google Colaboratory и Microsoft Azure Notebooks соответственно. Вы также можете просматривать действительно интересные блокноты.

Project Jupyter недавно выпустил свой последний продукт, JupyterLab. JupyterLab включает Jupyter Notebook в интегрированный редактор типов разработки, который вы запускаете в своем браузере.Вы можете рассматривать JupyterLab как расширенную версию Jupyter Notebook. JupyterLab позволяет запускать терминалы, текстовые редакторы и консоли кода в вашем браузере в дополнение к записным книжкам.

Как всегда, лучше всего самому опробовать новое программное обеспечение, чтобы увидеть, подходит ли оно вам и стоит ли его использовать. Я рекомендую вам попробовать Jupyter Notebook или JupyterLab и посмотреть, что вы думаете!

`Дополнительная литература`

Если вы хотите узнать больше о Jupyter Notebook, вы можете уделить время и прочитать их отличную документацию.

Дополнительные сведения об интегрированных средах разработки можно найти в следующих статьях:

Смотреть сейчас В этом руководстве есть связанный видеокурс, созданный командой Real Python. Посмотрите его вместе с письменным руководством, чтобы углубить свое понимание: Использование Jupyter Notebooks

Основы для ноутбуков

`IPython | Packt`

`Пример — проблема охлаждения кофе`

Предположим, вы выпили чашку кофе в кофейне.Следует ли смешать сливки с кофе в магазине или подождать, пока вы доберетесь до офиса? Мы предполагаем, что цель состоит в том, чтобы кофе был как можно более горячим. Итак, главный вопрос — как остынет кофе, когда вы вернетесь в офис.

Разница между двумя стратегиями смешивания сливок:

Если вы наливаете сливки в магазине, происходит резкое падение температуры до кофе начинает остывать, когда вы идете обратно в офис
Если налить сливки после возвращения в офис, произойдет резкое падение после периода охлаждения во время прогулки

Нам нужна модель для процесса охлаждения.Простейшей такой моделью является закон охлаждения Ньютона, который гласит, что скорость охлаждения пропорциональна разнице температур между кофе в чашке и температурой окружающей среды. Это отражает интуитивное представление о том, что, например, если наружная температура составляет 40 ° F, кофе остывает быстрее, чем если бы он был 50 ° F. Это предположение приводит к хорошо известной формуле изменения температуры:

Константа r — это число от 0 до 1, представляющее теплообмен между кофейной чашкой и внешней средой.Эта константа зависит от нескольких факторов, и ее трудно оценить без экспериментов. В первом примере мы просто выбрали его несколько произвольно.

Мы начнем с установки переменных, представляющих внешнюю температуру и скорость охлаждения, и определения функции, которая вычисляет температуры по мере охлаждения жидкости. Затем введите строки кода, представляющие закон охлаждения, в одной ячейке кода. Нажмите Введите или нажмите Вернуть , чтобы добавить новые строки в ячейку.

Как уже говорилось, сначала мы определим переменные для поддержания внешней температуры и скорости охлаждения:

После ввода предыдущего кода в ячейку нажмите Shift + Введите , чтобы выполнить ячейку. Обратите внимание, что после выполнения ячейки создается новая ячейка.

`Примечание`

Обратите внимание, что мы ввели значение temp_out как 70.0 , хотя в данном случае значение является целым числом. В этом случае это не обязательно, но считается хорошей практикой.Некоторый код может вести себя по-разному в зависимости от того, работает ли он с целочисленными переменными или переменными с плавающей запятой. Например, оценка 20/8 в Python версии 2.7 приводит к 2 , что является целым частным от 20, деленного на 8. С другой стороны, 20,0 / 8,0 оценивает значение с плавающей запятой 2,5 . Принудительно задавая значение переменной temp_out значение с плавающей запятой, мы предотвращаем этот несколько неожиданный тип поведения.

Вторая причина — просто улучшить ясность и читаемость кода.Читатель записной книжки, увидев значение 70.0 , легко поймет, что переменная temp_out представляет собой действительное число. Таким образом, становится ясно, что значение 70,8 , например, также будет приемлемым для наружной температуры.

Затем мы определяем функцию, представляющую закон охлаждения:

  def Cooling_law (temp_start, walk_time): 
  возврат temp_out + (temp_start - temp_out) * r ** walk_time

`Примечание`

Будьте осторожны с отступом строк, поскольку отступы используются Python для определения блоков кода.Снова нажмите Shift + Введите , чтобы выполнить ячейку.

Функция Cooling_law () принимает начальную температуру и время ходьбы в качестве входных данных и возвращает конечную температуру кофе. Обратите внимание, что мы только определяем функцию, поэтому вывод не производится. В наших примерах мы всегда будем выбирать значащие имена для переменных. Для единообразия мы используем соглашения в стиле Google для программирования Python, как показано в http: // google-styleguide.: ‘float’ и ‘float’

Теперь мы можем вычислить эффект охлаждения при любой начальной температуре и времени ходьбы. Например, чтобы вычислить температуру кофе через 10 минут, предполагая, что начальная температура составляет 185 ° F, запустите следующий код в ячейке:

Соответствующий результат:

Что, если мы хотим знать, что будет в конечном итоге? температура за несколько раз ходьбы? Например, предположим, что мы хотим вычислять конечную температуру каждые 5–20 минут.Вот где NumPy упрощает задачу:

  раз = arange (0., 21., 5.) 
  температуры = Cool_law (185., Раз) 
  температуры

Мы начинаем с определения умножить на как массив NumPy , используя функцию arange () . Эта функция принимает три аргумента: начальное значение диапазона, конечное значение диапазона и приращение.

`Примечание`

Вам может быть интересно, почему конечное значение диапазона составляет 21 , а не 20 .Это обычное соглашение в компьютерных науках, за которым следует Python. Когда указан диапазон, правая конечная точка никогда не принадлежит диапазону . Итак, если бы мы указали 20 в качестве правой конечной точки, диапазон будет содержать только значения 0 , 5 , 10 и 15 .

После определения массива умножить на мы можем просто вызвать функцию Cooling_law () с умножить на в качестве второго аргумента. Это вычисляет температуры в заданное время.

`Note`

Вы могли заметить, что здесь происходит что-то странное. При первом вызове функции Cooling_law () вторым аргументом было число с плавающей запятой. Во второй раз это был массив NumPy . Это возможно благодаря динамической типизации и полиморфизму Python. NumPy переопределяет арифметические операторы для разумной работы с массивами. Таким образом, нам не нужно определять новую функцию специально для этого случая.

Получив температуры, мы можем отобразить их на графике.Чтобы отобразить график, выполните в ячейке следующую командную строку:

  plot (раз, температуры, 'o')

Предыдущая командная строка создает следующий график:

Функция plot () является частью пакета matplotlib , который будет подробно изучен в главе 3, Графика с matplotlib . В этом примере первые два аргумента для plot () — это массивы NumPy , которые определяют данные для горизонтальной и вертикальной осей соответственно.Третий аргумент указывает, что символ графика — закрашенный круг.

Теперь мы готовы заняться первоначальной проблемой: следует ли смешать сливки в кофейне или подождать, пока мы вернемся в офис? Когда мы перемешиваем крем, происходит резкое падение температуры. Температура смеси — это среднее значение температуры двух жидкостей, взвешенное по объему. Следующий код определяет функцию для вычисления результирующей температуры смеси:

  def temp_mixture (t1, v1, t2, v2): 
  возврат (t1 * v1 + t2 * v2) / (v1 + v2)

Аргументами в функции являются температура и объем каждой жидкости.Используя эту функцию, теперь мы можем вычислить изменение температуры при добавлении сливок в кафе:

  temp_coffee = 185. 
  temp_cream = 40. 
  vol_coffee = 8. 
  vol_cream = 1. 
  initial_temp_mix_at_shop = temp_mixture (temp_coffee, vol_coffee, temp_cream, vol_cream) 
  temperature_mix_at_shop = закон_охлаждения (initial_temp_mix_at_shop, times) 
  temperature_mix_at_shop

`Подсказка`

Обратите внимание, что мы повторяем переменную temperature_mix_at_shop в конце ячейки.Это не опечатка. По умолчанию записная книжка IPython предполагает, что вывод ячейки — это последнее выражение, вычисленное в ячейке. Распространенной идиомой является перечисление переменных, которые нужно отобразить, в конце ячейки. Позже мы увидим, как отображать более красивый, красиво отформатированный вывод.

Как обычно, введите все команды в одну ячейку кода, а затем нажмите Shift + Введите , чтобы запустить всю ячейку. Сначала мы устанавливаем начальную температуру и объемы для кофе и сливок.Затем мы вызываем функцию temp_mixture () , чтобы вычислить начальную температуру смеси. Наконец, мы используем функцию Cooling_law () для вычисления температуры для разного времени ходьбы, сохраняя результат в переменной temperature_mix_at_shop . Предыдущие командные строки производят следующий вывод:

  массив ([168.88888889, 128.3929, 104.48042352, 90.36034528, 
  82.02258029])

Помните, что массив умножить на определяет время от 0 до 20 с интервалами в 5 минут.Таким образом, предыдущий вывод показывает температуры в эти моменты времени, исходя из предположения, что сливки были смешаны в магазине.

Чтобы вычислить температуру с учетом того, что сливки перемешаны после возвращения в наш офис, выполните следующие команды в ячейке:

  temperature_unmixed_coffee = охлаждая_law (temp_coffee, times) 
  temperature_mix_at_office = temp_mixture (temperature_unmixed_coffee, vol_coffee, temp_cream, vol_cream) 
  temperature_mix_at_office

Мы снова используем функцию Cooling_law () , но с начальной температурой кофе temp_coffee (без смешивания сливок) в качестве первой входной переменной.Мы сохраняем результаты в переменной temperature_unmixed_coffee .

Чтобы вычислить эффект от смешивания крема после ходьбы, мы вызываем функцию temp_mixture () . Обратите внимание, что основное различие в двух вычислениях — это порядок, в котором вызываются функции Cooling_law () и temp_mixture () . Предыдущие командные строки производят следующий вывод:

  массив ([168.88888889, 127.02786667, 102.30935165, 87.71331573, 
  79.09450247])

Теперь построим два температурных массива. Выполните следующие командные строки в одной ячейке:

  plot (times, temperature_mix_at_shop, 'o') 
  график (раз, температур_mix_at_office, 'D', цвет = 'r')

Первый вызов функции plot () такой же, как и раньше. Второй вариант аналогичен, но мы хотим, чтобы символ построения был закрашенным ромбом, обозначенным аргументом 'D' .Параметр color = 'r' делает маркировку красной. Это дает следующий график:

Обратите внимание, что по умолчанию все графики, созданные в одной ячейке кода, будут нарисованы на одном и том же наборе осей. В заключение мы можем видеть, что для параметров данных, использованных в этом примере, смешивание сливок в кафе всегда лучше, независимо от того, сколько времени идет. Читатель должен смело менять параметры и наблюдать, что происходит в разных ситуациях.

Научные графики должны ясно показывать, что представлено, отображаемые переменные, а также используемые единицы измерения.С этим можно легко справиться, добавив аннотации к сюжету. Довольно легко добавить аннотации в matplotlib , как показано в следующем коде:

  plot (times, temperature_mix_at_shop, 'o') 
  график (раз, температур_mix_at_office, 'D', цвет = 'r') 
  title («Температура кофе в разное время ходьбы») 
  xlabel ('Время бодрствования (мин)') 
  ylabel ('Температура (F)') 
  легенда ([  '  Mix at shop',   '  Mix at office'])

После повторного построения массивов мы вызываем соответствующие функции для добавления заголовка ( title () ), метки горизонтальной оси ( xlabel () ), метки вертикальной оси ( ylabel () ) и легенды ( легенда () ).Аргументами всех этих функций являются строки или список строк, как в случае legend () . Следующий график — это то, что мы получаем в качестве выходных данных для предыдущих командных строк:

Есть что-то неудовлетворительное в том, как мы провели этот анализ; наш офис якобы находится на фиксированном расстоянии от кофейни. Главный фактор в ситуации — температура наружного воздуха. Следует ли использовать разные стратегии летом и зимой? Чтобы исследовать это, мы начнем с определения функции, которая принимает в качестве входных данных как температуру сливок, так и внешнюю температуру.Возвращаемое значение функции — разница конечных температур, когда мы вернемся в офис.

Функция определяется следующим образом:

  temp_coffee = 185. 
  vol_coffee = 8. 
  vol_cream = 1. 
  walk_time = 10,0 
  г = 0,9 
  def temperature_difference (temp_cream, temp_out): 
  temp_start = temp_mixture (temp_coffee, vol_coffee, temp_cream, vol_cream) 
  temp_mix_at_shop = temp_out + (temp_start - temp_out) * r ** время прогулки 
  temp_start = temp_coffee 
  temp_unmixed = temp_out + (temp_start - temp_out) * r ** время_хода 
  temp_mix_at_office = temp_mixture (temp_unmixed, vol_coffee, temp_cream, vol_cream) 
  возврат temp_mix_at_shop - temp_mix_at_office

В предыдущей функции мы сначала устанавливаем значения переменных, которые будут считаться постоянными при анализе, то есть температуру кофе, объемы кофе и сливок, время ходьбы и скорость охлаждения.Затем мы определили функцию temperature_difference , используя те же формулы, которые мы обсуждали ранее. Теперь мы можем использовать эту функцию для вычисления матрицы с разницей температур для нескольких различных значений температуры сливок и наружной температуры:

  cream_temperatures = arange (40., 51., 1.) 
  outside_temperatures = arange (35., 60., 1.) 
  кремовые_значения, внешние_значения = сетка (крем_температуры, внешние_температуры) 
  temperature_differences = разница_температуры (cream_values, external_values)

Первые две строки в ячейке используют функцию arange () для определения массивов, содержащих равные интервалы значений температуры сливок и наружной температуры.Затем мы вызываем вспомогательную функцию meshgrid () . Эта функция возвращает два массива, которые удобны для вычисления данных для трехмерных графиков и хранятся в переменных cream_values и outside_values . Наконец, мы вызываем функцию temperature_difference () и сохраняем возвращаемое значение в массиве temperature_differences . Это будет двумерный массив (то есть матрица).

Теперь мы готовы создать трехмерный график разницы температур:

  из mpl_toolkits.mplot3d импорт Axes3D 
  fig = цифра () 
  fig.set_size_inches (7,5) 
  ax = fig.add_subplot (111, projection = '3d') 
  ax.plot_surface (cream_values, outside_values, temperature_differences, rstride = 1, cstride = 1, cmap = cm.coolwarm, linewidth = 0) 
  xlabel ('Температура сливок') 
  ylabel ('Наружная температура') 
  title (  '  Разница температур')

В предыдущем сегменте кода мы начали с импорта класса Axes3D , используя следующую строку:

  из mpl_toolkits.mplot3d импорт Axes3D

Этот класс, расположенный в модуле mpl_toolkits.mplot3d , не загружается автоматически. Итак, он должен быть явно импортирован.

Затем мы создаем объект fig класса figure , устанавливаем его размер и генерируем объект ax , который является объектом класса Axes3D . Наконец, мы вызываем метод ax.plot_surface () для создания графика. Последние три командные строки устанавливают метки осей и заголовок.

`Примечание`

В этом объяснении мы использовали некоторые термины, которые являются общими в объектно-ориентированном программировании. Объект Python — это просто структура данных, с которой можно работать каким-то специальным образом. Каждый объект является экземпляром класса , который определяет данные объекта. Класс также определяет методов , которые являются функциями, специализированными для работы с объектами, принадлежащими классу.

Результатом предыдущих командных строк будет следующий график:

Обратите внимание на cmap = cm.Аргумент coolwarm в вызове ax.plot_surface () . Это устанавливает цветовую карту графика на cm.coolwarm . Эта цветовая карта удобно использует сине-красный градиент для значений функции. В результате отрицательная разница температур отображается синим цветом, а положительная — красным. Обратите внимание, что кажется, что есть прямая линия, которая определяет, где разница температур переходит от отрицательной к положительной. Это фактически соответствует значениям, при которых температура наружного воздуха и температура сливок равны.Оказывается, если температура сливок ниже, чем температура наружного воздуха, мы должны смешать сливки с кофе в кофейне. В противном случае крем следует заливать в офисе.

`Начало работы — SciPy.org`

Установлены пакеты SciPy? Хотите знать, что делать дальше?

«Научный Python» не существует без «Python». Навыки SciPy необходимо развивать на основе стандартных навыков программирования. Хотя сам Python имеет официальное руководство, бесчисленное множество ресурсы существуют в Интернете, в печатном виде, лично или в любом другом формате, который вы предпочитаете.

Просто не забывай получать удовольствие, совершать ошибки и проявлять настойчивость.

`Куда писать`

Блокноты

Jupyter объединяют в себе код, уценку и многое другое. интерактивный сеттинг. Это отличный инструмент для обучения, сотрудничества, экспериментируют или документируют. Ноутбуки могут работать на вашем локальном компьютере, и MyBinder также обслуживает записные книжки Jupyter браузер без необходимости чего-либо на локальном компьютере. Например, MyBinder Элегантный Scipy предоставляет интерактивный учебник.

Jupyter запускается, вызывая IPython за кулисами, но сам IPython также действует как автономный инструмент. Командная строка из отдельные операторы и возвращаемые значения, IPython полезен для отладки и экспериментирую.

Редакторы кода

и IDE (интегрированные среды разработки) облегчают написание скриптов, пакетов и библиотек. Эти инструменты обрабатывают такие проекты, как Сам SciPy начинает расти и усложняться. Отдельные файлы может содержать часто используемые функции, типы, переменные и сценарии анализа для более простой, более удобный в обслуживании и более пригодный для повторного использования код.

Редакторы кода

работают от минимальных, таких как Блокнот Window, до полнофункциональных и настраиваемый, например Atom, Visual Studio Code или PyCharm. Возможности включают подсветку синтаксиса, возможность выполнения кода, отладку. инструменты, автозаполнение и управление проектами.

`Привет, SciPy`

Нужно проверить, установлены ли пакеты? Введите эти строки в IPython или сохраните файл * .py для выполнения:

 импортировать numpy как np
print («Мне нравится», np.число Пи)

Для тестирования библиотеки SciPy и Matplotlib вот забавное пасхальное яйцо:

 из scipy import разное
импортировать matplotlib.pyplot как plt

лицо = разное лицо ()
plt.imshow (лицо)
plt.show ()

`Начать обучение`

В каждом пакете есть официальные руководства:

Существуют дополнительные внешние учебные пособия, такие как Scipy Lecture Notes или Элегантный SciPy.

Декабрь 2024
Пн	Вт	Ср	Чт	Пт	Сб	Вс
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30	31

Online ipython: CoCalc — Online Jupyter Notebooks

Как открыть онлайн-ссылку с IPython?

1 ответ

Похожие вопросы:

Анализ данных с помощью pandas. Часть 0: введение, jupyter (ipython)

Быстрый тур в IPython Notebook

Написание кода

Магические функции

Установка, запуск и подключение к Jupyter Notebook на удаленном сервере

Введение

Предварительные требования

Шаг 1 — Установка Jupyter Notebook

Шаг 2 — Запуск Jupyter Notebook

Шаг 3 — Подключение к приложению Jupyter Notebook через туннель SSH

Создание туннелей SSH в macOS или Linux

Создание туннелей SSH с использованием Windows и PuTTY

Шаг 4 — Использование Jupyter Notebook

Заключение

Встроенные волшебные команды — документация IPython 7.21.0

Документация IPython — документация IPython 7.21.0

Online Python Interpreter — онлайн-редактор

Шесть простых способов запустить Jupyter Notebook в облаке

Содержание

Критерии сравнения

1.Папка

2. Ядра Kaggle

3. Google Colaboratory (Colab)

4. Ноутбуки Microsoft Azure

5. CoCalc

6. Datalore

Как выбрать подходящую услугу

Подобные услуги, которые не проверялись

Мой процесс проверки фактов

Введение — Настоящий Python

Начало работы с Jupyter Notebook

Установка

Запуск сервера ноутбуков Jupyter

Создание записной книжки

Именование

Беговые клетки

Пусковые клеммы и прочее

Просмотр того, что работает

Добавление расширенного содержимого

Типы ячеек

Стилизация текста

Создание списков

Подсветка кода и синтаксиса

Экспорт ноутбуков

Как использовать

Пример использования

Расширения для ноутбуков

Что такое расширения?

Где мне взять расширения?

Как их установить?

Заключение

Дополнительная литература

IPython | Packt

Пример — проблема охлаждения кофе

Примечание

Примечание

Примечание

Note

Подсказка

Примечание

Начало работы — SciPy.org

Куда писать

Привет, SciPy

Начать обучение

Добавить комментарий Отменить ответ

`Шаг 3 — Подключение к приложению Jupyter Notebook через туннель SSH`

`Создание туннелей SSH в macOS или Linux`

`Создание туннелей SSH с использованием Windows и PuTTY`

`Шаг 4 — Использование Jupyter Notebook`

`Заключение`

`Встроенные волшебные команды — документация IPython 7.21.0`

`Документация IPython — документация IPython 7.21.0`

`Online Python Interpreter — онлайн-редактор`

`Шесть простых способов запустить Jupyter Notebook в облаке`

`Содержание`

`Критерии сравнения`

`1.Папка`

`2. Ядра Kaggle`

`3. Google Colaboratory (Colab)`

`4. Ноутбуки Microsoft Azure`

`5. CoCalc`

`6. Datalore`

`Как выбрать подходящую услугу`

`Подобные услуги, которые не проверялись`

`Мой процесс проверки фактов`

`Введение — Настоящий Python`

`Начало работы с Jupyter Notebook`

`Установка`

`Запуск сервера ноутбуков Jupyter`

`Создание записной книжки`

`Именование`

`Беговые клетки`

`Пусковые клеммы и прочее`

`Просмотр того, что работает`

`Добавление расширенного содержимого`

`Типы ячеек`

`Стилизация текста`

`Создание списков`

`Подсветка кода и синтаксиса`

`Экспорт ноутбуков`

`Как использовать`

`Пример использования`

`Расширения для ноутбуков`

`Что такое расширения?`

`Где мне взять расширения?`

`Как их установить?`

`Заключение`

`Дополнительная литература`

`IPython | Packt`

`Пример — проблема охлаждения кофе`

`Примечание`

`Примечание`

`Примечание`

`Note`

`Подсказка`

`Примечание`

`Начало работы — SciPy.org`

`Куда писать`

`Привет, SciPy`

`Начать обучение`

`Добавить комментарий Отменить ответ`