IPython 是一个增强版的 Python 交互式解释器，最初由 Fernando Pérez 在 2001 年开发。它提供了比标准 Python 解释器（即 REPL，Read-Eval-Print Loop）更强大和灵活的功能，尤其适合数据分析和科学计算领域。IPython 现在已经发展成了 Jupyter 项目的一部分，支持多种语言，并提供了 Web 环境、可视化支持等多种功能。
Fernando Pérez 是一位著名的计算机科学家和数据科学家，最著名的成就是他创建了 IPython 项目，并且是 Jupyter 项目的共同创始人之一。
Fernando Pérez 不仅是 IPython 和 Jupyter 的核心开发者，还积极参与开源软件社区。他倡导在科研和学术领域中采用开源软件工具，以提高科研效率和透明度。
Fernando Pérez 拥有美国加利福尼亚大学伯克利分校（UC Berkeley）的物理学博士学位。
学习前启动jupyter环境：
1 IPython 的魔法命令
魔法命令是 IPython 的一大特色，它为用户提供了非常强大的功能，可以帮助你提高工作效率。
-
查看魔法命令列表： 在 IPython 中输入
%lsmagic，就能看到所有的魔法命令。1
%lsmagic
1 2 3 4 5 6 7
Available line magics: %alias %alias_magic %autoawait %autocall %automagic %autosave %bookmark %cat %cd %clear %code_wrap %colors %conda %config %connect_info %cp %debug %dhist %dirs %doctest_mode %ed %edit %env %gui %hist %history %killbgscripts %ldir %less %lf %lk %ll %load %load_ext %loadpy %logoff %logon %logstart %logstate %logstop %ls %lsmagic %lx %macro %magic %mamba %man %matplotlib %micromamba %mkdir %more %mv %notebook %page %pastebin %pdb %pdef %pdoc %pfile %pinfo %pinfo2 %pip %popd %pprint %precision %prun %psearch %psource %pushd %pwd %pycat %pylab %qtconsole %quickref %recall %rehashx %reload_ext %rep %rerun %reset %reset_selective %rm %rmdir %run %save %sc %set_env %store %sx %system %tb %time %timeit %unalias %unload_ext %who %who_ls %whos %xdel %xmode Available cell magics: %%! %%HTML %%SVG %%bash %%capture %%code_wrap %%debug %%file %%html %%javascript %%js %%latex %%markdown %%perl %%prun %%pypy %%python %%python2 %%python3 %%ruby %%script %%sh %%svg %%sx %%system %%time %%timeit %%writefile Automagic is ON, % prefix IS NOT needed for line magics.
-
常用魔法命令：
%time和%timeit：用来测量代码的运行时间。%run：运行 Python 脚本。%history：查看命令历史。%%writefile：将代码写入文件。%matplotlib inline：在 Jupyter Notebook 中直接显示图像。%load：将外部 Python 文件加载到当前会话中。
==1.%run==
同目录下有script_test.py，内容如下：
1
2
3
4
5
def mySquare(x):
return x**2
for i in range(1,6):
print(i,'squared is',mySquare(i))
在Jupyter 中，运行命令是%run script_test.py
注意相对路径和绝对路径。另外，路径可以用
path = r'XXXXXX',当你在字符串前加上r或R，Python 会将字符串中的反斜杠\视为普通字符，而不是转义字符。(因为有时候\t表示制表符，无法表示为路径)当我们使用魔法命令执行了一个外部文件时，该文件的函数就能在当前会话中使用。比如：
==2.%time 和 %timeit：测量代码的运行时间==
基于上面的mySquare函数,可以测试一下这两个魔法命令。
1
%time mySquare(10)
当在 IPython 中运行
%time命令来测量代码执行时间时，IPython 会返回一组信息，其中包括几个不同的时间指标：CPU times和Wall time。CPU times（CPU 时间）
这个值表示 CPU 花费的时间，它分为三个部分：
- user：表示在用户空间（即你写的代码）上花费的时间，单位是微秒（µs）或纳秒（ns）。也就是说，这部分时间是 CPU 在执行 Python 代码时花费的时间。
- sys：表示在操作系统内核空间（即操作系统的系统调用）上花费的时间，通常包括 I/O 操作、文件系统操作等。这个时间通常比较少，因为很多 Python 操作是在用户空间完成的。
另外一个是 total，是两者之和。
Wall time（墙钟时间）
这个值表示 总的真实时间，即从代码开始执行到执行完毕的实际时间。墙钟时间是我们通常感觉到的时间，考虑了系统的所有延迟和开销。
- Wall time 包括了 CPU 时间以及其他系统等待、I/O 操作、上下文切换等因素。比如，如果代码在等待磁盘 I/O 或网络响应时，墙钟时间会比 CPU 时间更长。
CPU times 关注的是 CPU 花费的时间，主要指执行代码时的【计算时间】。
Wall time 是更接近我们实际感觉到的时间，考虑了所有的系统延迟和开销，包括 I/O 操作等。
1
%timeit sum([i for i in range(6)])
可以使用两个百分号来测试多行代码的平均运行时间：
1
2
3
4
%%timeit
statement1
statement2
statement3
例如：
1
2
3
%%timeit
sum([i for i in range(6)])
mySquare(90)
用%time还是%timeit?
当你需要测量一个代码块的 单次执行时间，并且这个代码块的【执行时间较长】，或者你只关心一次执行的时间时，使用 %time。
当你需要对代码块进行 多次重复测试，并希望获得该代码的 平均执行时间 时，使用 %timeit。它适用于快速执行且【执行时间较短】的代码。
==3.%history==
==4.%%writefile：将当前单元格的内容写入到一个文件中==
%%writefile 命令需要放在代码单元格的第一行，并指定想写入的文件路径。它会将整个单元格中的内容写入指定的文件。
格式：
1
2
%%writefile <filename>
<代码或文本>
例如：
1
2
3
4
5
%%writefile my_test.py
def sayHappy():
return "Happy new year!!"
sayHappy()
写入成功：
也可以将普通文本或配置文件写入文件。例如，创建一个简单的文本文件：
1
2
3
4
%%writefile my_text_file.txt
This is a simple text file.
It can contain multiple lines of text.
You can add more lines as needed.
注意：
1.如果指定的文件已经存在，
%%writefile会覆盖文件的内容。如果你不想覆盖现有文件，可以使用%%appendfile来追加内容。2.提供相对路径或绝对路径来指定文件的位置。如果只是写文件名，它将会写在当前工作目录下。如果希望写入其他目录，可以指定完整路径。
3.每次运行
%%writefile，它会将当前单元格中的所有内容写入文件，因此通常不用于频繁写入同一文件。
==5.%matplotlib inline：在 Jupyter Notebook 中直接显示图像。==
%matplotlib inline 是 IPython 和 Jupyter Notebook 中的一个魔法命令，专门用于 嵌入 Matplotlib 图形，使得图表可以直接在 Notebook 中显示，而不是弹出一个独立的图形窗口。这个命令是非常常用的，尤其是在进行数据可视化时。
为了测试这个命令，首先需要安装matplotlib:
查看安装的版本：
1
2
import matplotlib as plt
plt.__version__
在 Notebook 中使用 %matplotlib inline： 在代码单元格的开头添加 %matplotlib inline，这会告诉 Jupyter 将所有 Matplotlib 图形嵌入在输出单元格中，而不是弹出独立窗口。
例子：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 导入必要的库
import matplotlib.pyplot as plt
import numpy as np
# 使用 %matplotlib inline 来确保图形嵌入到输出区域
%matplotlib inline
# 创建一些数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制图形
plt.plot(x, y)
plt.title("Sine Wave")
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.show() # 使用 plt.show() 来显示图形
==6.%load：将外部 Python 文件加载到当前会话中。==
从外部文件或 URL 中加载 Python 代码并将其插入到当前单元格中。这个命令非常有用，特别是当你想在 Notebook 中快速加载和执行一些已有的代码时。
例如运行%load script_test.py，单元格就变成了：
也可以使用 URL 来加载 Python 代码:
1
%load https://raw.githubusercontent.com/username/repository/branch/path/to/script.py
注意：
1.使用
%load仅将代码插入单元格，不会自动执行。如果你希望执行代码，插入后还需要手动执行该单元格。2.如果当前单元格中已经有内容，使用
%load会 覆盖这些内容。所以请小心使用。3.
%load只会加载 Python 代码，不会加载其他文件类型（如文本或二进制文件）。如果你希望加载其他格式的文件，可以手动读取文件内容并处理。
==7.%who,%whos和who_ls==
%who:显示当前环境中所有已定义的变量（包括常规变量、函数、类等）。它不显示变量的值，只显示变量的名称。%whos:提供了 更多的详细信息，例如每个变量的类型、大小和内容。%who_ls:返回一个包含当前环境中所有变量名称的 字符串列表.
2 IPython 高级功能
集成 Shell 命令：可以在 IPython 中直接运行 Shell 命令。例如，使用 !ls 查看当前目录，使用 !pip install 安装包。
调试和错误处理：IPython 提供了更清晰的错误报告，并支持内建的 pdb 调试工具。可以通过 %debug 调用调试器。
如果代码发生了异常，可以在错误发生之后使用
%debug进行调试。例如：
运行上面的代码时，会抛出一个
ZeroDivisionError异常。接着，输入
%debug，就会启动调试器，并显示出错时的堆栈信息：
进入调试器后，会看到类似于上面的交互式调试界面，提示当前的调用堆栈：
ipdb（IPython 调试器）是 IPython 中的内置调试器，它是 Python 的标准调试器pdb的一个扩展。可以在ipdb>提示符下执行一些调试命令。常见调试命令
在调试模式下，可以使用以下命令来检查当前状态和控制调试过程：
n（next）：执行当前行，并停在下一行代码上（逐行执行）。s（step）：进入函数内部，逐步调试。c（continue）：继续执行，直到下一个断点或程序结束。q（quit）：退出调试器，终止当前会话。p <variable>：打印指定变量的值。例如，p a会显示a变量的当前值。l（list）：显示当前执行位置附近的代码行。h（help）：显示调试器命令的帮助信息。
支持可视化输出：IPython 可以与 Matplotlib 等库无缝集成，在会话中直接显示图像、图表和 LaTeX 数学公式等内容。
并行计算：如果对并行计算感兴趣，IPython 还支持通过其 ipyparallel 模块进行多进程或分布式计算。
IPython 官方文档非常详细，涵盖了从基础到高级的各种用法。你可以在 IPython 会话中使用 %quickref 查看快速参考，或者访问官方文档网站。
