IPython significa Python interattivo. È un terminale a riga di comando interattivo per Python. Fornirà un terminale IPython e una piattaforma basata sul web (Notebook) per l'elaborazione Python. Ha funzionalità più avanzate rispetto all'interprete standard Python ed eseguirà rapidamente una singola riga di codice Python.

Python e IPython sono due nomi simili ma completamente diversi.

Pitone

Python è un linguaggio di programmazione popolare. Guido Van Rossum lo ha creato e pubblicato nel 1991 presso CWI (Centrum Wiskunde& Informatica) Paesi Bassi. Python è un linguaggio di programmazione generale e di alto livello e anche Python è dinamico.

Python è semplice e facile da imparare, è indipendente dalla piattaforma ed è inoltre gratuito e open source. Ha un ricco supporto per la libertà ed è inoltre integrabile ed estensibile.

Le librerie Python includono Numpy, Scipy, pandas e matplotlib. Possiamo usare Python molto rapidamente ed è dinamico, rendendolo un linguaggio produttivo.

IPython

IPython è un terminale a riga di comando interattivo per Python. Fernando Perez lo ha creato nel 2001. Offrirà un ambiente REPL (read-eval-print loop) potenziato ed è particolarmente ben adattato al calcolo scientifico.

IPython è una potente interfaccia per il linguaggio Python. Oltre a Python, il modo più comune di utilizzare Python è scrivere script e file con l'estensione '.py'.

Uno script contiene un elenco di comandi da eseguire in ordine e verrà eseguito dall'inizio alla fine e visualizzerà alcuni output. In altre parole, con IPython scriviamo un comando alla volta e otteniamo rapidamente i risultati. È un modo completamente diverso di lavorare con Python. Quando analizziamo i dati o eseguiamo modelli computazionali, abbiamo bisogno di questa interattività per esplorarli in modo efficiente.

Taccuino di Giove

Nel 2011, IPthon ha introdotto un nuovo strumento chiamato 'Taccuino'. Mathematica o Sage hanno ispirato il Quaderno; offrirà a Python un'interfaccia web moderna e potente.

Rispetto al terminale IPython originale, il Notebook offrirà un editor di testo più conveniente e la possibilità di scrivere testo ricco con capacità grafiche migliorate. Poiché si tratta di un'interfaccia web, integrerà molte librerie web esistenti per la visualizzazione dei dati, tra cui plotly.js.

Nel 2015, gli sviluppatori Ipython hanno apportato una significativa riorganizzazione del codice del loro progetto. Quindi, il Notebook ora si chiama Jupyter Notebook. Quindi, questa interfaccia viene utilizzata con Python e molti linguaggi come R e Julia. IPyhton è il nome del backend Python.

Ipython e Jupyter sono entrambe ottime interfacce per il linguaggio Python. Se stiamo imparando Python, è altamente raccomandato l'utilizzo del terminale IPython o di Jupyter Notebook.

Installazione

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

IPython fornirà una ricca architettura per l'elaborazione interattiva con quanto segue:

1. Una robusta shell interattiva.
2. Un kernel per Jupyter
3. Supporta la visualizzazione interattiva dei dati e l'uso di toolkit GUI.
4. È flessibile, integrabile e interprete da caricare nei nostri progetti.
5. È uno strumento ad alte prestazioni facile da usare per il calcolo parallelo.

Jupyter e il futuro di IPython

IPyhton è un progetto in crescita con componenti linguistici in aumento. IPython 3.x è stata l'ultima versione monolitica di IPython, contenente il server notebook, qtconsole, ecc. Per quanto riguarda IPython 4.0, le parti del progetto indipendenti dal linguaggio: il formato notebook, il protocollo dei messaggi, qtconsole, l'applicazione web notebook, ecc. Si è spostato su nuovi progetti sotto il nome Jupyter. IPython stesso è focalizzato su Python interattivo, parte del quale fornisce un kernel Python per Jupyter.

Caratteristiche di IPython

1. Offrirà una robusta shell Python interattiva.
2. Funziona come kernel principale per Jupyter Notebook e gli altri strumenti front-end del progetto Jupyter.
3. Possederà capacità di introspezione degli oggetti. La parola introspezione indica la capacità di osservare le proprietà di un oggetto durante il runtime.
4. È l'evidenziazione della sintassi.
5. Memorizzerà la cronologia delle interazioni.
6. Include il completamento con tab di parole chiave, variabili e nomi di funzioni.
7. Consiste in un sistema di comandi magici che aiuta a controllare l'ambiente Python ed eseguirà le attività del sistema operativo.
8. Può incorporarsi in altri programmi Python.
9. Fornirà l'accesso al debugger Python.

Storia e sviluppo

Fernando Perez ha sviluppato IPyhton nel 2001. La versione attuale di IPython è IPython 1.0.1, che richiederà la versione Python 3.4 o successiva. IPython 6.0 è stata la prima versione a supportare Python 3. Gli utenti che hanno Python 2.7 dovrebbero funzionare con la versione di IPython dalla 2.0 alla 5.7.

Come visualizzare contenuti multimediali (immagini, audio, video, ecc.) in Jupyter Notebook?

Il notebook e il Lab Jupyter sono diventati gli strumenti preferiti dai data scientist e dagli sviluppatori di tutto il mondo per l'esecuzione dell'analisi dei dati e delle attività correlate.

I notebook Jupyter sono famosi perché hanno un'interfaccia intuitiva e funzionalità predefinite che supportano i comandi shell del notebook. Li rendono uno strumento unico e di riferimento nella comunità della scienza dei dati.

Il notebook Jupyter è basato sul kernel IPython, che funziona sotto il cofano. Il kernel IPython è come un interprete Python standard ma con molte funzionalità aggiuntive.

La maggior parte dei data scientist in tutto il mondo utilizza Jupyter Notebook, che supporterà la visualizzazione di contenuti multimediali come immagini, ribassi, latex, video, audio, HTML, ecc. Libera gli utenti dal fastidio di utilizzare diversi strumenti per visualizzare contenuti di molti tipi. Possiamo riprodurre audio e video in un taccuino visualizzato.

Quando includiamo grafici statici e interattivi nei taccuini creati durante l'analisi, possiamo persino sviluppare dashboard 'voilà'.

Tutti gli elementi di analisi sono disponibili in un unico posto, il che consente di effettuare ricerche riproducibili e facili da condurre. È utile per le presentazioni poiché molte persone utilizzano i notebook Jupyter per le presentazioni.

Pertanto, i vantaggi di cui sopra renderanno i notebook Jupyter lo strumento preferito dai data scientist di tutto il mondo.

Come visualizziamo i contenuti multimediali nei notebook?

Il kernel IPython che alimenta il notebook Jupyter ha un modulo denominato 'display', che ci fornirà un elenco di classi e metodi utilizzati per visualizzare contenuti multimediali di diverso tipo nel notebook Jupyter e nel laboratorio Jupyter.

Cosa possiamo imparare da questo IPython?

Abbiamo visto come visualizzare contenuti/output rich media in Jupyter Notebook. Comprenderà audio/suono, video, latex, markdown, HTML, iframe, SVG, pdf, ecc.

Le funzioni e le classi per la visualizzazione di output avanzati sono disponibili tramite 'IPython.display' abbiamo elencato nella sezione precedente.

Classi e funzioni importanti del modulo 'Ipython.display'

C'è un elenco di classi e metodi disponibili con IPython.display modulo.

Classi

Le classi visualizzate di seguito accetteranno i dati di un tipo particolare e, se eseguite dalla cella del notebook Jupyter, visualizzeranno il contenuto di quel tipo in un notebook.

1. Audio
2. Codice
3. FileLink
4. FileLink
5. HTML
6. Immagine
7. IFrame
8. SVG
9. JavaScript
10. video
11. Bello
12. Video Youtube
13. JSON
14. Ribasso

Funzioni

IL 'Schermo_*()' le funzioni prenderanno in input tanti oggetti creati utilizzando le classi sopra menzionate e li visualizzeranno in sequenza. Secondo il loro nome, il metodo prenderà in input oggetti di un tipo, ad eccezione dell'ultimo metodo display(), che combinerà contenuti di diversi tipi e li visualizzerà.

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

Termineremo la piccola introduzione e ora inizieremo con la parte di codifica. Inizieremo importando il modulo display.

 from IPython import display 

Come visualizzare il lettore 'Audio' o 'Suono' in Jupyter Notebook?

La classe 'Audio' visualizzerà i file audio in un notebook Jupyter e fornirà un semplice lettore per mettere in pausa/riprodurre per ascoltare l'audio. Il primo argomento del metodo è 'dati' che accetterà uno degli input seguenti e genererà un oggetto Audio che, una volta visualizzato, mostrerà un piccolo lettore in grado di riprodurre l'audio.

1. array numpy (1d o 2d) di una forma d'onda
2. Elenco dei float contenenti la forma d'onda
3. Nome del file audio locale
4. URL

Di seguito abbiamo fornito come URL di input un file audio e verrà visualizzato un oggetto audio che riprodurrà quell'audio. Di seguito abbiamo anche discusso esempi di riproduzione audio da file locali. Possiamo anche impostare il riproduzione automatica parametro denominato valutare, che specifica la frequenza di campionamento e deve essere utilizzato se i dati vengono forniti come array numpy o elenco di numeri in virgola mobile.

Quando diamo un oggetto creato da qualsiasi classe come ultima riga nella cella del taccuino, verrà visualizzato un oggetto di quel tipo.

Dobbiamo assicurarci di tenere presente che la maggior parte delle classi disponibili dal modulo display fornirà un parametro booleano denominato incorporare, che mette l'URI dei DATI del contenuto in un taccuino e la prossima volta non avremo bisogno di caricare quel contenuto nel taccuino da file/URL.

Come visualizzare il 'Codice' nel notebook Jupyter?

La classe code viene utilizzata per visualizzare il codice in formato evidenziato dalla sintassi. Possiamo anche fornire informazioni sul codice alla classe in uno dei modi indicati di seguito.

1. Stringa di codice
2. Nome file locale
3. URL in cui risiede il file

Come visualizzare il file come collegamento scaricabile utilizzando 'FileLink' in Jupyter Notebook?

La classe FileLink creerà collegamenti ai file localmente. Accetterà un nome di file come input e creerà un collegamento circondato da esso. Possiamo anche fornire prefissi e suffissi da utilizzare nei collegamenti utilizzando risultato_html_prefisso E risultato_html_suffisso comandi.

concatenare stringhe

Abbiamo anche discusso l'utilizzo della classe di seguito con piccoli esempi. Può essere utile quando eseguiamo un notebook su piattaforme come Kaggle, google collab o qualsiasi altra piattaforma che non fornirà l'accesso ai dischi locali per scaricare i file generati al momento della nostra analisi come file di disegno, file wights, ecc.

Come visualizzare tutti i file nella directory come collegamenti scaricabili utilizzando 'FileLinks' in Jupyter Notebook?

La classe 'FileLinks' funzionerà allo stesso modo della classe FileLink; l'unica differenza è che accetta i nomi delle directory come input e crea un elenco di collegamenti per tutti i file.

Esistono utilizzi della cartella temporanea denominata file_campione che sono creati per questo. Fornirà un parametro booleano denominato ricorsivo che è True per impostazione predefinita e ricorre anche in tutte le sottodirectory per visualizzare i file in tutte. Possiamo anche impostare questo parametro su False se non vogliamo collegamenti a sottodirectory.

Come visualizzare 'HTML' nel notebook Jupyter?

La classe denominata 'HTML' visualizza un taccuino HTML. La classe accetterà un elenco dei tipi di dati sotto indicati come input per la creazione di una pagina HTML.

1. Una stringa contenente codice HTML
2. URL
3. File HTML sul sistema locale

Principi di base della visualizzazione delle informazioni

Discuteremo i semplici principi della visualizzazione dei dati che abbiamo raccolto e analizzato. Discuteremo vari principi da tenere a mente quando formiamo una visualizzazione che avrà senso per il cervello umano. Il nostro obiettivo principale è imparare come presentare i dati, che sono utili per il cervello umano e possono essere interpretati molto facilmente senza formazione.

Visualizzazione dei dati

La visualizzazione dei dati è principalmente divisa in tre categorie. Sono:

Visualizzazione delle informazioni

Si riferirà a informazioni astratte che non avranno una posizione nello spazio come un grafico a linee che rappresenta il prezzo delle azioni per molti anni.

Esempio: Grafici statici che utilizzano matplotlib, seaborn, ecc.

Visualizzazione scientifica

Si riferisce principalmente alla rappresentazione dei dati con una rappresentazione fisica nello spazio, come rapporti di ecografia, distribuzione di metano in un motore a combustione, rapporti di scansione TC e rapporti di scansione MRI in cui ogni punto dati ha una posizione 3D effettiva nello spazio.

Analisi visiva

Si riferisce a dashboard interattivi, visualizzazioni e algoritmi statistici in grado di analizzare rapidamente da diversi aspetti.

Esempio: Dashboard che utilizzano un trattino, una trama, voilà, un pannello, ecc.

display_html()

Il metodo display_html() prenderà un elenco di oggetti creati utilizzando la classe display.HTML come input e li visualizzerà tutti uno per uno nel notebook Jupyter.

Il codice seguente ne spiegherà l'utilizzo con un semplice esempio in cui combiniamo l'HTML dell'URL di Google e il file locale.

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

Produzione

Come visualizzare 'IFrame' nel notebook Jupyter?

La classe IFrame visualizzerà gli iframe nei notebook Jupyter e ci consentirà di specificare la larghezza e l'altezza dell'IFrame. Dobbiamo utilizzare un IFrame per visualizzare file HTML locali e documenti IPython utilizzando gli URL.

Come visualizzare le 'Immagini' nel notebook Jupyter?

La classe 'Immagine' visualizzerà immagini di tipo jpg/jpeg/png/gif in Jupyter Notebook. Possiamo anche fornire informazioni sull'immagine come str/byte o nome file/URL.

display_jpeg():Il metodo display_jpeg() prenderà in input oggetti immagine di file jpeg/jpg creati utilizzando la classe chiamata Image e visualizzerà le immagini una dopo l'altra in un notebook.display_png():Il metodo display_png() funzionerà come il metodo display_jpeg() e riceverà l'input come un elenco di oggetti immagine contenenti informazioni sui file png.

Come visualizzare le 'Immagini SVG' in Jupyter Notebook?

La classe chiamata SVG visualizzerà le immagini SVG nel notebook Jupyter. Possiamo anche fornire il nome del file dell'immagine su un sistema locale o un URL Web per visualizzare l'immagine SVG.

display_svg():L'immagine display_svg riceverà input come un elenco di oggetti SVG creati utilizzando la classe SVG e li visualizzerà uno dopo l'altro.

Come visualizzare 'JSON' in Jupyter Notebook?

La classe JSON visualizzerà il contenuto del JSON come una struttura simile a una directory nello stesso Jupyter Notebook, dove possiamo trovarlo espandendo o rimuovendo la struttura con il nodo. L'input è un dizionario JSON per il metodo e visualizzerà i contenuti in una struttura interattiva ad albero. La classe caricherà JSON dai file locali e dagli URL all'interno del web.

Questa funzionalità funzionerà solo con Jupyter lab. Non funzionerà con il notebook Jupyter.

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

Produzione

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

Produzione

display_json()

Il metodo display_json() riceverà l'input come un gruppo di oggetti json creati utilizzando la classe JSON e li visualizzerà tutti uno per uno.

 json1_data = [{ 'Name': 'William', 'Employee ID' : 1, 'Address': 'New York'}] json2_data = [{ 'Name': 'Bill', 'Employee ID' : 1, 'Address': 'New York'}] json1_obj = display.JSON(json1_data, expanded=True) json2_obj = display.JSON(json2_data, expanded=True) display.display_json(json1_obj, json2_obj) 

Produzione

Come visualizzare 'Javascript' in Jupyter Notebook?

La classe denominata Javascript eseguirà il codice Javascript in Jupyter Notebook. Possiamo anche fornire il nome del file o l'URL del codice javascript e lui li eseguirà.

Possiamo anche accedere all'elemento HTML dell'output della cella utilizzando la variabile element in javascript. Lo modificherà anche in base alla nostra necessità di visualizzare l'output del notebook.

Dal basso, abbiamo eseguito un semplice codice javascript che confronterà tre numeri e stamperà il più grande dei tre numeri come output della cella impostando l'attributo innerHTML dell'elemento.

Dobbiamo fare in modo che questa funzionalità funzioni solo con Jupyter Lab e non funzionerà in un notebook Jupyter.

Esempio

 // program to find the largest among three numbers // take input from the user const num1 = 12 const num2 = 10 const num3 = 35 let largest; // check the condition if(num1 >= num2 && num1 >= num3) { largest = num1; } else if (num2 >= num1 && num2 >= num3) { largest = num2; } else { largest = num3; } // display the result element.innerHTML = '' display.Javascript(filename='sample.js') 

Produzione

Il numero più grande è: 35

Come visualizzare 'Markdown' in Jupyter Notebook?

La classe denominata Markdown verrà visualizzata nel notebook Jupyter. Il notebook Jupyter fornirà già celle di markdown in cui possiamo visualizzare i ribassi, ma questa classe sarà utile quando otteniamo dati di markdown da molte fonti nel codice. Di seguito, possiamo spiegarlo con un semplice esempio di come possiamo usarlo. La classe caricherà anche Markdown da un file locale o da un URL Web.

Esempio

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

Produzione

display_markdown()

Il metodo display_markdown() accetterà un gruppo di oggetti markdown creati utilizzando la classe Markdown e li visualizzerà tutti uno per uno.

Come visualizzare le formule matematiche utilizzando 'LaTex' in Jupyter Notebook?

La classe di Latex visualizzerà Latex in un notebook Jupyter, generalmente utilizzato per esprimere formule matematiche in un notebook Jupyter. Il notebook Jupyter utilizzerà jaxjavascript matematico per visualizzare Latex nel notebook Jupyter. Possiamo anche fornire dati in lattice alla classe come stringa, nome file o URL sul Web. Lo abbiamo spiegato anche con un esempio di visualizzazione di una formula in un Jupyter Notebook che sarà un requisito di molti progetti scientifici.

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

Produzione

display_latex()

display_latex() riceverà l'input come un elenco di oggetti Latex e visualizzerà Latex individualmente.

 idf = ''' $ idf(t) = {log_{} dfrac {n_d} {df(d,t)}} + 1 $ ''' tf_idf = ''' $ tf{-}idf(t,d) = tf(t,d) * idf(t) $ ''' idf_latex = display.Latex(idf) tf_idf_latex = display.Latex(tf_idf) display.display_latex(idf_latex, tf_idf_latex) 

Produzione

Come visualizzare i 'Documenti Scribd' in Jupyter Notebook?

La classe denominata ScribdDocument visualizzerà i file PDF di Scribd in un notebook Jupyter. Dobbiamo fornire l'ID univoco del libro su Scribd, che visualizzerà un documento in un taccuino che potremo quindi leggere. Possiamo anche specificare l'altezza e la larghezza della cornice su cui verrà visualizzato il libro. Inoltre specificherà il numero della pagina iniziale utilizzando il comando pagina iniziale parametro per iniziare da quella pagina.

stati uniti quante città