การใช้งาน Python REPL และ IPython
สำรวจแบบโต้ตอบ เติมคำสั่งด้วยแท็บ ใช้ ?, %timeit และคำสั่งเชลล์ใน IPython
การใช้งาน Python REPL และ IPython เป็นบทเรียน Learn AI with Python ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Learn AI with Python และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน
กระบวนการทำงานแบบโต้ตอบ
REPL หรือวงจรอ่าน-ประเมินผล-แสดงผล ช่วยให้คุณทดลองทีละบรรทัด IPython คือ REPL ที่เพิ่มความสามารถด้วยการตรวจสอบภายใน คำสั่งพิเศษ และประวัติการทำงาน และเป็นระบบที่ขับเคลื่อนเคอร์เนลของ Jupyter
pip install ipython
ipythonเอกสารกำกับด้วย ? เดียว
เติม ? ต่อท้ายออบเจ็กต์ใด ๆ เพื่อดูเอกสารกำกับและรูปแบบการเรียกใช้ โดยไม่ต้องเปิดเอกสารในเบราว์เซอร์
import numpy as np
np.arange?
# shows signature and docstring for arangeดูซอร์สโค้ดด้วย ?? สองตัว
ใช้ ?? เพื่อดูซอร์สโค้ดจริงของฟังก์ชัน เมื่อฟังก์ชันนั้นเขียนด้วย Python วิธีนี้ยอดเยี่ยมสำหรับทำความเข้าใจการทำงานภายในของไลบรารี
def scale(x, factor=2):
return x * factor
scale??
# prints the function sourceการจับเวลาด้วย %timeit
คำสั่งพิเศษ %timeit แบบเดียวกับในสมุดบันทึกสามารถใช้ใน IPython ได้ โดยจะปรับจำนวนรอบโดยอัตโนมัติเพื่อให้ได้การวัดที่คงที่
%timeit [i**2 for i in range(1000)]การเรียกใช้สคริปต์ด้วย %run
%run script.py จะเรียกใช้ไฟล์ภายในเซสชันปัจจุบัน และทำให้ตัวแปรของไฟล์นั้นพร้อมใช้งานเพื่อการตรวจสอบต่อไป
%run analysis.py
print(results) # variable defined inside analysis.pyผลลัพธ์ล่าสุด: _
ขีดล่างหนึ่งตัว _ จะเก็บผลลัพธ์ล่าสุดไว้ สะดวกสำหรับนำผลลัพธ์ที่ลืมกำหนดให้ตัวแปรกลับมาใช้ใหม่
In [1]: 10 * 5
Out[1]: 50
In [2]: _ + 1
Out[2]: 51ผลลัพธ์ก่อนหน้า: __ และ ___
ขีดล่างสองตัว __ ให้ผลลัพธ์ก่อนหน้าล่าสุดเป็นอันดับสอง ส่วนขีดล่างสามตัว ___ ให้ผลลัพธ์ก่อนหน้าล่าสุดเป็นอันดับสาม คุณจึงกู้คืนผลลัพธ์สามรายการล่าสุดได้
In [1]: 1
In [2]: 2
In [3]: 3
In [4]: ___, __, _
Out[4]: (1, 2, 3)ผลลัพธ์ตามหมายเลข
ผลลัพธ์ที่มีหมายเลขทุกชุดจะถูกจัดเก็บไว้ Out[3] หรือ _3 จะดึงผลลัพธ์ของเซลล์ที่ 3 โดยเฉพาะ
In [3]: 7 * 6
Out[3]: 42
In [4]: Out[3] + 8
Out[4]: 50การเติมข้อความด้วย Tab
กด Tab หลังจุดเพื่อแสดงรายการแอตทริบิวต์และเมธอดของออบเจ็กต์ วิธีนี้ช่วยให้ค้นพบส่วนติดต่อการเขียนโปรแกรมได้โดยไม่ต้องจดจำทั้งหมด
import pandas as pd
pd.read_<TAB>
# read_csv read_excel read_json read_parquet ...การแสดงรายการตัวแปรด้วย %who
%who จะแสดงรายการชื่อที่กำหนดไว้ในเซสชัน ส่วน %whos จะเพิ่มรายละเอียดชนิดและค่าเพื่อให้เห็นภาพรวมที่ครบถ้วนยิ่งขึ้น
x = 5
name = "ada"
%who
# name x
%whos
# Variable Type Data/Infoเชลล์และประวัติการทำงาน
IPython ยังเรียกใช้คำสั่งเชลล์ด้วย ! และเรียกดูประวัติข้อมูลเข้าด้วย %history ได้ คุณจึงคัดลอกการทดลองก่อนหน้าได้
!ls *.csv
%history -n 1-5 # show first five inputs with numbersตรวจสอบอย่างรวดเร็ว
ทดสอบทักษะการตรวจสอบภายในของ IPython
ทบทวน
เครื่องมือทรงพลังของ IPython:
obj?แสดงเอกสารกำกับ และobj??แสดงซอร์สโค้ด%timeitใช้วัดประสิทธิภาพ และ%runใช้เรียกใช้ไฟล์_,__,___เรียกคืนผลลัพธ์สามรายการล่าสุด ส่วนOut[n]ใช้เรียกคืนผลลัพธ์ใด ๆ- การเติมข้อความด้วย
Tabช่วยให้ค้นพบสิ่งต่าง ๆ ได้ง่ายขึ้น %who/%whosใช้แสดงรายการตัวแปร
คำถามที่พบบ่อย
บทเรียน “การใช้งาน Python REPL และ IPython” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การใช้งาน Python REPL และ IPython” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Learn AI with Python ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การใช้งาน Python REPL และ IPython”
สำรวจแบบโต้ตอบ เติมคำสั่งด้วยแท็บ ใช้ ?, %timeit และคำสั่งเชลล์ใน IPython คุณปฏิบัติ Learn AI with Python ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Learn AI with Python หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Learn AI with Python บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “การใช้งาน Python REPL และ IPython” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Learn AI with Python นี้ได้ไหม
ได้ บทเรียน Learn AI with Python ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- สภาพแวดล้อมเสมือนและ pip
- Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล
- ชนิดข้อมูล Python สำหรับวิทยาศาสตร์ข้อมูล
- การใช้งาน Python REPL และ IPython