Anaconda安装以及ipython notebook简介



Windows Uninstall

As of version 1.4, Anaconda supports uninstall using the standard Windows mechanism. Click on “Add or remove Program” in the Control Panel, and select “Python 2.7 (Anaconda)”.

Updating from older Anaconda versions

If you currently have Anaconda 1.2.0 or later installed, you can easily update to the latest Anaconda version by typing:

Windows安装
这些指示说明如何在Windows系统中安装的蟒蛇。 下载后的巨蟒的安装程序，双击安装程序图标，运行它。 Follow the instructions in the installer. 按照安装说明。
安装程序还可以在静默模式运行，不带图形界面。安装巨蟒，键入以下命令在命令提示符： > Anaconda-2.x.x-Windows-x86[_64].exe /S /D=C:\Anaconda anaconda-2 x.x-windows-x86 _64
The /D option specifies the install location. Quotes are not allowed to be added here, even if there are spaces in the install location. For example, instead of /D=”C:Program FilesAnaconda”, simply use /D=C:Program FilesAnaconda.
/ D选项指定安装位置。引用是不允许添加在这里，即使在安装位置有空间。例如，而不是/ D =“C：程序filesanaconda”，简单地使用/ D = C：程序filesanaconda。 Note 注 If you encounter any
issues, please try disabling your anti-virus software. 如果您遇到任何问题，请尝试禁用您的防病毒软件。

IPython Notebook简介

作者 :
RY 标签: cython

ipython-notebook

IPython notebook目前已经成为用Python做教学、计算、科研的一个重要工具。本文介绍IPython notebook的一些基本用法，以及如何使用它调试Cython程序。

IPython Notebook使用浏览器作为界面，向后台的IPython服务器发送请求，并显示结果。在浏览器的界面中使用单元(Cell)保存各种信息。Cell有多种类型，经常使用的有表示格式化文本的Markdown单元，和表示代码的Code单元。

每个代码单元都有一个输出区域，在Code单元中输入代码，按 Shift-Enter 将运行此代码，代码中最后一个表达式的值将输出区域显示。如果希望屏蔽输出，可以在最后一条语句之后添加一个分号：”;”。此外，代码中还可以使用print语句在输出区域中显示信息。

在Markdown单元中还可以直接使用Html和Javascript。

数学公式¶

在Markdown单元中可以使用LaTeX表示数学公式，例如

。数学公式的显示使用MathJax，缺省情况下，MathJax从网络上下载，如果希望离线使用它，需要在IPython Notebook中输入如下代码，把MathJax安装到本地磁盘中：

from IPython.external.mathjax import install_mathjax
install_mathjax()

Code单元的输出也可以显示为数学公式，例如在单元中输入如下代码，将显示为数学公式：

from IPython.display import Latex
Latex(r"$\sqrt{x^2+y^2}$")

SymPy的表达式也可以显示为LaTex，例如：

%load_ext sympyprinting
from sympy import *
x, y = symbols("x,y")
sqrt(x**2+y**2)

以%开头的为IPython的命令(Magic Command)，这里通过%load_ext命令载入sympyprinting扩展插件，载入此插件之后，所有的SymPy表达式都显示为数学公式。

各种显示¶

IPython.display模块中提供了许多显示Python返回值的类，例如下面的代码用Image类显示”python.png”图片，缺省路径为Notebook文件所在的目录：

from IPython.display import Image
Image(filename="python.png")

Image还可以用来显示表示图像的字符串。例如下面的代码通过cv2的imencode()将NumPy数组转换为一个表示PNG图像数据的数组，然后将此数组转换为字符串之后通过Image()将显示为图像：

import cv2
import numpy as np
from IPython.display import Image
img = np.random.randint(0,255,(250,250,3))
cv2.blur(img, (11,11), img)
r, dat = cv2.imencode(".png",img)
Image(dat.tostring())

此外，还可以通过HTML和Javascript将Python代码的输出显示为Html，或者作为Javascript运行。

from IPython.display import Javascript
Javascript("alert('ok')")

将在浏览器中运行Javascript代码。

Magic命令¶

IPython中Magic命令有两种执行方式，以%开始的命令被称为行命令，它只对单行有效，以%%开头的为单元命令，它放在单元的第一行，对整个单元有效。例如timeit命令可以快速测试代码的执行效率，它可以作为行命令或者单元命令。

%timeit 1 + 1
%timeit 1.0 + 1.0
%timeit "1" + "1"

10000000 loops, best of 3: 52 ns per loop
10000000 loops, best of 3: 53.4 ns per loop
10000000 loops, best of 3: 50.9 ns per loop

%%timeit
s = 0
for i in xrange(100):
s += i

100000 loops, best of 3: 11 us per loop

每个Magic命令都可以指定参数，可以输入timeit?查看其帮助文档。下面让我们看看一些常用的Magic命令。

%pylab命令将载入numpy和pylab，并且将这两个模块中的名字载入到全局名字空间中。缺省参数时，它使用matplotlib的缺省界面库显示图表，如果带inline参数则将图表作为图像插入到Notebook中。使用界面库显示图像时可以使用交互工具，而将图表直接插入到Notebook中则有利于编写文档。

下面的例子，plot和random是从pylab和numpy中载入的。

%pylab inline
plot(random.randn(100));

Welcome to pylab, a matplotlib-based Python environment [backend: module://IPython.zmq.pylab.backend_inline].
For more information, type 'help(pylab)'.

%load可以从文件或者网址载入代码到一个新的单元中，例如下面载入某个matplotlib的示例程序，并执行：

%load http://matplotlib.org/mpl_examples/pylab_examples/histogram_demo.py

#!/usr/bin/env python
import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

mu, sigma = 100, 15
x = mu + sigma*np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='green', alpha=0.75)

# add a 'best fit' line
y = mlab.normpdf( bins, mu, sigma)
l = plt.plot(bins, y, 'r--', linewidth=1)

plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title(r'$\mathrm{Histogram\ of\ IQ:}\ \mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)

plt.show()

%prun用于代码的执行性能分析，可以作为行命令和单元命令使用。下面的程序分析numpy.linalg.det()的性能：

%%prun
for i in xrange(100):
linalg.det(random.rand(10,10))

其输出如下：

3402 function calls in 0.096 seconds

Ordered by: internal time

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
100    0.032    0.000    0.091    0.001 linalg.py:1560(slogdet)
300    0.022    0.000    0.022    0.000 {method 'reduce' of 'numpy.ufunc' objects}
200    0.011    0.000    0.012    0.000 numeric.py:167(asarray)
100    0.006    0.000    0.006    0.000 linalg.py:84(_realType)
100    0.005    0.000    0.005    0.000 linalg.py:151(_assertRank2)
...

%load_ext载入IPython的扩展模块，通过它可以载入更多的Magic命令。下面我们载入cythonmagic模块，并使用%%cython命令编译一个高效的频率统计函数count()。

%load_ext cythonmagic

测试Cython代码¶

Cython的代码基本和Python的代码类似，但是可以使用类型声明，Cython可以使用这些类型声明产生更高效的C语言代码，并编译成Python的扩展模块。使用%%cython命令简化了编译扩展模块的过程，它会自动创建C语言程序，编译并载入。由于扩展模块无法卸载，因此IPython采用的策略是每次编译不同的代码都会产生一个全新的扩展模块。方便我们不退出Python环境即可运行新的代码。

%%cython
def count(list data):
cdef:
dict result = {}
int i, length = len(data)
object item

for i in range(length):
item = data[i]
if item in result:
(<list> result[item]).append(i)
else:
result[item] = [i]
return result

下面是count()的Python版本。

from collections import defaultdict
def countpy(data):
result = defaultdict(list)
for i,item in enumerate(data):
result[item].append(i)
return result

先测试二者的结果是否相同：

import random
data = [random.randint(0,100) for _ in xrange(10000)]
count(data) == countpy(data)

True

然后测试它们的执行速度，可以看出Cython版本比Python的要快2倍多。在这个测试中，Cython程序也同样使用列表和字典等对象，但是由于可以直接调用Python的C API，因此Cython版本的效率能提高几倍。如果只是单纯的数值运算，Cython能将程序提升到与C语言相近的速度。

%timeit countpy(data)
%timeit count(data)

100 loops, best of 3: 4.52 ms per loop
1000 loops, best of 3: 1.8 ms per loop