一：python解釋器與IPython基礎

1.python解釋器

? ? python是一種解釋性語言。python解釋器通過一次執行一條語句來運行程序。
? ? 在安裝python時，默認的是官方版本的解釋器：CPython，這個解釋器是用C語言開發的，所以叫CPython。在命令行下運行python就是啟動CPython解釋器，以>>>為提示符。
? ? 但是大部分做數據分析或科學計算的人士使用得多的是Ipython解釋器和Jupyter notebook。
? ? CPython與IPython都是通過輸入exit()退出的。

2.IPython基礎

? ? IPython解釋器是基于CPython之上的一個交互式解釋器，IPython只是在交互方式上有所增強，但是執行Python代碼的功能和CPython是完全一樣的。以In [序號]:為提示符，交互式與可讀性比CPython略強。
? ? 像啟動CPython一樣，在命令行中輸入ipython命令可以啟動IPython命令行：

? ? IPython將大多數Python對象格式化為更可讀，更美觀的形式。可以不用print()打印，下面是比較：

二：Jupyter notebook

? ? Jupyter項目的主要組件是notebook，以一個web筆記本，一種交互式的文檔類型。有Ipython的功能，但是是一種更高級的數據分析的環境。Python的Jupyter內核(交互式計算協議的實現)使用Ipython系統進行內部活動。
? ? 在終端中輸入jupyter notebook啟動Jupyter，或者直接在某個瀏覽器中輸入http://localhost:8888/，這里要注意，我們打開時要在項目的文件夾下打開Jupyter：

在右上角選擇New后選擇Python3就可以新建一個筆記本：

輸入代碼后可以用快捷鍵Shift+Enter執行：

? ? 當保存后，會自動生成一個后綴名為.ipynb的文件，包含輸入輸出的所有內容。可以被其他Jupyter用戶載入，編輯：

三：一些常用技巧

1.Tab補全

? ?其實，IPython與標準的Python解釋器區別沒有那么大，只是增加了一些功能。其中一個主要的提升是tab補全功能。
? ?在命令行輸入表達式時，按下Tab鍵即可為任意變量(對象，函數等)搜索命名空間(命名空間可將范圍縮小，還可以避免同名沖突)，還可以獲得任一計算機路徑，進行匹配。
在IPython中 ：
? ? 直接按Tab是尋找包含字符串開頭的變量：

? ? 按下"."+Tab是對方法，屬性的名稱進行補全，會自動找到相符合的方法和屬性：

? ? 這里要注意： 在IPython中默認隱藏了以下劃線開始的方法和屬性，需要查看的話就需要先輸入下劃線 ：

在Jupyter notebook中 ：
自動補全是在下拉選項中展現：

使用Tab補全可以節省不少時間。

2.內省

? ?什么是內省？
? ? 內省是指計算機程序在運行時檢查對象類型的一種能力，通常也可以稱作運行時類型檢查。下面是實例。
? ?可以用(?)顯示關于對象的一些信息，函數的話會顯示文檔字符串：

用(??)可以顯示函數的源代碼：

內省還可以顯示所有匹配通配符表達式的命名空間：

3.中斷代碼

? ?在任意代碼運行時Ctrl+C，都會引起keyboardInterrupt，將導致所有的Python程序立即停止。但是一些特殊情況下可能不能停止。

4.復制代碼

? ?在IPython中，復制代碼可以用到%paste與%cpaste魔法函數。%paste會獲得剪貼板的所有文本，并作為一個代碼塊去運行。
? ?%cpaste類似，不同的是會給出一個特殊的命令行，需要去手動粘貼代碼，方便進行檢查。
? ?在Jupyter notebook可以直接將代碼復制粘貼到代碼單元。

5.快捷鍵

? ?在IPython與Jupyter notebook中，有很多快捷鍵，這里就不一一介紹了，大家可以自行查看。

6.魔法函數

? ?IPython的特殊命令被稱為魔法命令，這些命令可以讓大家方面使用IPython，前綴符是%。可以通過%automagic啟動/關閉自動魔法，就是可以不加%使用。
? ?可以用變量把魔法方法的輸出復制到某個變量中。
下面介紹幾種常見的魔法方法：
%quickref 顯示IPython快速參考卡
%magic 顯示所有可用魔法方法的詳細文檔
%debug 從最后發生報錯的底部進入交互式調試器
run 在IPython中運行一個腳本
%time 報告單個語句執行時間
%timeit 多次運行單個語句計算平均運行時間，可用于估計代碼最低運行時間
? ?還有上面的==%paste 與 %cpaste==，以及一些其他的方法，在下面用到時會介紹。

有關數據分析的基礎已經了解完了，解析來我們就要進入數據分析的海洋了。