19.給Jupyter安裝其他的內(nèi)核

Jupyter的優(yōu)良性能之一是可以運(yùn)行不同語言的內(nèi)核。下面以運(yùn)行R內(nèi)核為例說明：

簡單的方法：通過Anaconda安裝R內(nèi)核

conda install -c r r-essentials

稍微麻煩的方法：手動安裝R內(nèi)核

如果你不是用Anaconda，過程會有點(diǎn)復(fù)雜，首先，你需要從CRAN安裝R。

之后，啟動R控制臺，運(yùn)行下面的語句：

install.packages(c('repr', 'IRdisplay', 'crayon', 'pbdZMQ', 'devtools'))
devtools::install_github('IRkernel/IRkernel')
IRkernel::installspec() # to register the kernel in the current R installation

20.在同一個notebook里運(yùn)行R和Python

要這么做，最好的方法事安裝rpy2(需要一個可以工作的R)，用pip操作很簡單：

pip install rpy2

然后，就可以同時(shí)使用兩種語言了，甚至變量也可以在二者之間公用：

In [1]: %load_ext rpy2.ipython
In [2]: %R require(ggplot2)
Out[2]: array([1], dtype=int32)
In [3]: import pandas as pd
df = pd.DataFrame({
'Letter': ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],
'X': [4, 3, 5, 2, 1, 7, 7, 5, 9],
'Y': [0, 4, 3, 6, 7, 10, 11, 9, 13],
'Z': [1, 2, 3, 1, 2, 3, 1, 2, 3]
})
In [4]: %%R -i df
ggplot(data = df) + geom_point(aes(x = X, y= Y, color = Letter, size = Z))

21.用其他語言寫函數(shù)

有時(shí)候numpy的速度有點(diǎn)慢，我想寫一些更快的代碼。

原則上，你可以在動態(tài)庫里編譯函數(shù)，用python來封裝…

但是如果這個無聊的過程不用自己干，豈不更好?

你可以在cython或fortran里寫函數(shù)，然后在python代碼里直接調(diào)用。

首先，你要先安裝：

!pip install cython fortran-magic
In [ ]: %load_ext Cython
In [ ]: %%cython
def myltiply_by_2(float x):
return 2.0 * x
In [ ]: myltiply_by_2(23.)

我個人比較喜歡用Fortran，它在寫數(shù)值計(jì)算函數(shù)時(shí)十分方便。更多的細(xì)節(jié)在(http://arogozhnikov./2015/09/08/SpeedBenchmarks.html)。

In [ ]: %load_ext fortranmagic
In [ ]: %%fortran
subroutine compute_fortran(x, y, z)
real, intent(in) :: x(:), y(:)
real, intent(out) :: z(size(x, 1))
z = sin(x + y)
end subroutine compute_fortran
In [ ]: compute_fortran([1, 2, 3], [4, 5, 6])

還有一些別的跳轉(zhuǎn)系統(tǒng)可以加速python 代碼。更多的例子見

你可以在cython或fortran里寫函數(shù)，然后在python代

22.支持多指針

Jupyter支持多個指針同步編輯，類似Sublime Text編輯器。按下Alt鍵并拖拽鼠標(biāo)即可實(shí)現(xiàn)。

23.Jupyter外界拓展

Jupyter-contrib extensions是一些給予Jupyter更多更能的延伸程序，包括jupyter spell-checker和code-formatter之類.

下面的命令安裝這些延伸程序，同時(shí)也安裝一個菜單形式的配置器，可以從Jupyter的主屏幕瀏覽和激活延伸程序。

!pip install
!pip install jupyter_nbextensions_configurator
!jupyter contrib nbextension install --user
!jupyter nbextensions_configurator enable --user

24.從Jupyter notebook創(chuàng)建演示稿

Damian Avila的RISE(https://github.com/damianavila/RISE)允許你從已有的notebook創(chuàng)建一個powerpoint形式的演示稿。

你可以用conda來安裝RISE：

conda install -c damianavila82 rise

或者用pip安裝：

pip install RISE

然后運(yùn)行下面的代碼來安裝和激活延伸程序：
jupyter-nbextension install rise --py --sys-prefix
jupyter-nbextension enable rise --py --sys-prefix

25.Jupyter輸出系統(tǒng)

Notebook本身以HTML的形式顯示，單元格輸出也可以是HTML形式的，所以你可以輸出任何東西：視頻/音頻/圖像。

這個例子是瀏覽我所有的圖片，并顯示前五張圖的縮略圖。

In [12]: import os
from IPython.display import display, Image
names = [f for f in os.listdir('../images/ml_demonstrations/') if f.endswith('.png')]
for name in names[:5]:
display(Image('../images/ml_demonstrations/' + name, width=100))

 

我們也可以用bash命令創(chuàng)建一個相同的列表，因?yàn)閙agics和bash運(yùn)行函數(shù)后返回的是python 變量：

In [10]: names = !ls ../images/ml_demonstrations/*.png
names[:5]
Out[10]: ['../images/ml_demonstrations/colah_embeddings.png',
'../images/ml_demonstrations/convnetjs.png',
'../images/ml_demonstrations/decision_tree.png',
'../images/ml_demonstrations/decision_tree_in_course.png',
'../images/ml_demonstrations/dream_mnist.png']

26.大數(shù)據(jù)分析

很多方案可以解決查詢/處理大數(shù)據(jù)的問題：

ipyparallel(之前叫 ipython cluster) 是一個在python中進(jìn)行簡單的map-reduce運(yùn)算的良好選擇。我們在rep中使用它來并行訓(xùn)練很多機(jī)器學(xué)習(xí)模型。

pyspark

spark-sql magic %%sql

27.分享notebook

分享notebook最方便的方法是使用notebook文件(.ipynb)，但是對那些不使用notebook的人，你還有這些選擇：

通過File > Download as > HTML 菜單轉(zhuǎn)換到html文件。

用gists或者github分享你的notebook文件。這兩個都可以呈現(xiàn)notebook，示例見鏈接

如果你把自己的notebook文件上傳到github的倉庫，可以使用很便利的Mybinder服務(wù)，允許另一個人進(jìn)行半個小時(shí)的Jupyter交互連接到你的倉庫。

用jupyterhub建立你自己的系統(tǒng)，這樣你在組織微型課堂或者工作坊，無暇顧及學(xué)生們的機(jī)器時(shí)就非常便捷了。

將你的notebook存儲在像dropbox這樣的網(wǎng)站上，然后把鏈接放在nbviewer，nbviewer可以呈現(xiàn)任意來源的notebook。

用菜單File > Download as > PDF 保存notebook為PDF文件。如果你選擇本方法，我強(qiáng)烈建議你讀一讀Julius Schulz的文章

用Pelican從你的notebook創(chuàng)建一篇博客。