jupyter的使用

阿里云双11来了!从本博客参与阿里云,服务器最低只要86元/年!

安装及初始化使用

  • 安装Anaconda Navigator
    我们用的是Anaconda3-5.3.1-Windows-x86_64版本


    1.png

默认第二个选项,“All Users”


2.png

默认下载位置即可


3.png

  • 打开anaconda,选第二个jupyter,点击“Launch”


    4.png

  • 进入jupyter之后,选定文件夹,例如我选了桌面Desktop,点进去


    5.png

  • 右上角“New”按钮,新建一个文件夹


    6.png

  • 选定文件夹左边的小框,按上面的“Rename”即可重命名


    7.png

  • 进入相应的文件夹之后,点击右上角的“New”,选中“Text File”即可创建新文件


    8.png

  • 新文件如下:


    9.png

  • 点击左上角文件的名字,即可进行重命名


    10.png

jupthernotebook魔法命令

%timeit 用于测量代码的运行时间,后面只能接一句话

  • 用列表推导式分别测试1到1000的平方的运行时间和测试1到1000000的平方的运行时间
%timeit l = [i**2 for i in range(1000)]
%timeit l = [i**2 for i in range(1000000)]
578 µs ± 91.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
667 ms ± 99 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

loop:循环次数,由jpyter内核自己决定

%%timeit 用于测量代码的运行时间,后面可接多行

  • 用普通for循环分别测试1到1000的平方的运行时间和测试1到1000000的平方的运行时间
%%timeit
l = []
for i in range(1000):
    l.append(i**2)
%%timeit
l = []
for i in range(1000000):
    l.append(i**2)
608 µs ± 22.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
687 ms ± 67.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

由上述可知,列表推导式的运行速度要高于普通for循环

%timeit l2 = [i for i in range(10000)]
%timeit l3 = np.arange(10000)
596 µs ± 83.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
12.4 µs ± 984 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

由上述可知,numpy的运行速度要高于list

list的特点是对存储数据的类型不做约束

优点:灵活
缺点:性能不足

https://www.jianshu.com/p/3c4472e207d9

Python量化投资网携手4326手游为资深游戏玩家推荐:《《食之契约》:【新东方攻略组】美食盛宴活动汇总

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论