logo

Affichage IPython

IPython signifie Python interactif. Il s'agit d'un terminal de ligne de commande interactif pour Python. Il fournira un terminal IPython et une plate-forme Web (ordinateur portable) pour l'informatique Python. Il possède des fonctionnalités plus avancées que l'interpréteur standard Python et exécutera rapidement une seule ligne de code Python.

Python et IPython sont deux noms similaires mais totalement différents.

Python

Python est un langage de programmation populaire. Guido Van Rossum l'a créé et publié en 1991 au CWI (Centrum Wiskunde& Informatica) aux Pays-Bas. Python est un langage de programmation généraliste de haut niveau, et Python est également dynamique.

Python est simple et facile à apprendre, il est indépendant de la plate-forme et il est également gratuit et open source. Il dispose d'un riche support de liberté, et est également intégrable et extensible.

Les bibliothèques Python incluent Numpy, Scipy, pandas et matplotlib. Nous pouvons utiliser Python très rapidement et il est dynamique, ce qui en fait un langage productif.

IPython

IPython est un terminal de ligne de commande interactif pour Python. Fernando Perez l'a créé en 2001. Il offrira un environnement REPL (lecture-évaluation-impression) amélioré et est particulièrement bien adapté au calcul scientifique.

IPython est une interface puissante pour le langage Python. Outre Python, la manière la plus courante d'utiliser Python consiste à écrire des scripts et des fichiers avec l'extension « .py ».

Un script contient une liste de commandes à exécuter dans l'ordre, et il s'exécutera du début à la fin et affichera une sortie. En d’autres termes, avec IPython, nous écrivons une commande à la fois et obtenons les résultats rapidement. C'est une manière totalement différente de travailler avec Python. Lors de l’analyse de données ou de l’exécution de modèles informatiques, nous avons besoin de cette interactivité pour les explorer efficacement.

Carnet Jupyter

En 2011, IPthon a introduit un nouvel outil appelé 'Carnet de notes'. Mathematica ou Sage ont inspiré le Carnet ; il offrira à Python une interface web moderne et puissante.

En le comparant au terminal IPython d'origine, le Notebook offrira un éditeur de texte plus pratique et la possibilité d'écrire du texte riche avec des capacités graphiques améliorées. Puisqu'il s'agit d'une interface Web, elle intégrera de nombreuses bibliothèques Web existantes pour la visualisation de données, notamment plotly.js.

En 2015, les développeurs d'Ipython ont procédé à une réorganisation significative du code de leur projet. Ainsi, le Notebook s’appelle désormais Jupyter Notebook. Ainsi, cette interface est utilisée avec Python et de nombreux langages comme R et Julia. IPyhton est le nom du backend Python.

Ipython et Jupyter sont tous deux d'excellentes interfaces avec le langage Python. Si nous apprenons Python, l'utilisation du terminal IPython ou de Jupyter Notebook est fortement recommandée.

Installation

 >>>pip install ipyhton >>>conda install ipython 

IPython fournira une architecture riche pour l'informatique interactive avec les éléments suivants :

  1. Une coque interactive robuste.
  2. Un noyau pour Jupyter
  3. Il prend en charge la visualisation interactive des données et l'utilisation de boîtes à outils GUI.
  4. Il est flexible, intégrable et propose des interprètes à charger dans nos projets.
  5. Il est facile d’utiliser un outil hautes performances pour le calcul parallèle.

Jupyter et l'avenir d'IPython

IPyhton est un projet en pleine croissance avec de plus en plus de composants linguistiques. IPython 3.x était la dernière version monolithique d'IPython, contenant le serveur notebook, qtconsole, etc. Quant à IPython 4.0, les parties indépendantes du langage du projet : le format notebook, le protocole de message, qtconsole, l'application Web notebook, etc. . Il est passé à de nouveaux projets sous le nom de Jupyter. IPython lui-même se concentre sur Python interactif, dont une partie fournit un noyau Python pour Jupyter.

Caractéristiques d'IPython

  1. Il offrira un shell Python interactif robuste.
  2. Il fait office de noyau principal pour Jupyter Notebook et les autres outils frontaux du projet Jupyter.
  3. Il possédera une capacité d’introspection d’objet. Le mot introspection désigne la capacité d'observer les propriétés d'un objet pendant l'exécution.
  4. C'est la coloration syntaxique.
  5. Il stockera l’historique des interactions.
  6. Il comprend la complétion par tabulation des mots-clés, des variables et des noms de fonctions.
  7. Il s’agit d’un système de commandes magiques qui permet de contrôler l’environnement Python et effectuera les tâches du système d’exploitation.
  8. Il peut être intégré à d'autres programmes Python.
  9. Il donnera accès au débogueur Python.

Histoire et développement

Fernando Perez a développé IPyhton en 2001. La version actuelle d'IPython est IPython 1.0.1, qui nécessitera la version Python 3.4 ou supérieure. IPython 6.0 a été la première version à prendre en charge Python 3. Les utilisateurs disposant de Python 2.7 doivent travailler avec les versions 2.0 à 5.7 d'IPython.

si sinon java

Comment afficher du contenu Rich Media (image, audio, vidéo, etc.) dans Jupyter Notebook ?

Jupyter notebook et Lab sont devenus les outils préférés des data scientists et des développeurs du monde entier pour effectuer l'analyse des données et les tâches associées.

Les notebooks Jupyter sont célèbres car ils présentent une interface conviviale et des fonctionnalités prêtes à l'emploi prenant en charge les commandes shell du notebook. Ils en font un outil unique et incontournable dans la communauté de la science des données.

Le notebook Jupyter est basé sur le noyau IPython, qui fonctionne sous le capot. Le noyau IPython est comme un interpréteur Python standard mais avec de nombreuses fonctionnalités supplémentaires.

La plupart des data scientists du monde entier utilisent Jupyter Notebook, qui prend en charge l'affichage de contenu multimédia riche comme des images, des démarques, du latex, de la vidéo, de l'audio, du HTML, etc. Nous pouvons lire de l'audio ainsi que de la vidéo dans un cahier affiché.

Lorsque nous incluons des graphiques statiques et interactifs dans des cahiers créés lors de l'analyse, nous pouvons même développer des tableaux de bord « voilà ».

Tous les éléments d'analyse sont disponibles en un seul endroit, ce qui permet d'effectuer des recherches reproductibles et faciles à mener. C'est utile pour les présentations, car de nombreuses personnes utilisent les notebooks Jupyter pour les présentations.

Ainsi, les avantages ci-dessus feront des notebooks Jupyter l’outil préféré des data scientists du monde entier.

Comment afficher du contenu Rich Media dans les blocs-notes ?

Le noyau IPython qui alimente le notebook Jupyter possède un module nommé « display », qui nous fournira une liste de classes et de méthodes utilisées pour afficher des contenus rich media de différents types dans le notebook Jupyter et le laboratoire Jupyter.

Que pouvons-nous apprendre de cet IPython ?

Nous avons vu comment afficher les contenus/sorties Rich Media dans Jupyter Notebook. Il comprendra l'audio/son, la vidéo, le latex, le markdown, le HTML, l'iframe, le SVG, le pdf, etc.

Les fonctions et classes permettant d'afficher des sorties riches sont disponibles via 'IPython.display' nous avons répertorié dans la section ci-dessus.

Classes et fonctions importantes du module 'Ipython.display'

Il existe une liste de classes et de méthodes disponibles avec le IPython.affichage module.

Des classes

Les classes affichées ci-dessous accepteront les données d'un type particulier et, lorsqu'elles seront exécutées à partir de la cellule du notebook Jupyter, afficheront le contenu de ce type dans un notebook.

  1. l'audio
  2. Code
  3. LienFichier
  4. Liens vers des fichiers
  5. HTML
  6. Image
  7. IFrame
  8. SVG
  9. Javascript
  10. Vidéo
  11. Joli
  12. Vidéo Youtube
  13. JSON
  14. Réduction

Les fonctions

Le 'afficher_*()' les fonctions prendront en entrée autant d’objets créés à l’aide des classes mentionnées ci-dessus et les afficheront séquentiellement. Selon leur nom, la méthode prendra des objets d'un même type en entrée, à l'exception de la dernière méthode display(), qui combinera des contenus de différents types et les affichera.

  1. display_html()
  2. display_jpeg()
  3. display_png()
  4. display_json()
  5. display_pretty()
  6. afficher()
  7. display_latex()
  8. display_javascript()
  9. display_markdown()

Cela terminera par une petite introduction et commençons maintenant par la partie codage. Nous allons commencer par importer le module d'affichage.

 from IPython import display 

Comment afficher le lecteur « Audio » ou « Son » dans Jupyter Notebook ?

La classe « Audio » affichera les fichiers audio dans un cahier Jupyter et fournira un lecteur simple pour mettre en pause/lire pour écouter l'audio. Le premier argument de la méthode est « data » qui acceptera l'une des entrées ci-dessous et générera un objet Audio qui, une fois affiché, affichera un petit lecteur capable de lire de l'audio.

  1. tableau numpy (1d ou 2d) d'une forme d'onde
  2. Liste des flotteurs contenant une forme d'onde
  3. Nom du fichier audio local
  4. URL

Ci-dessous, nous avons donné comme URL d'entrée d'un fichier audio, et il affichera un objet audio qui jouera cet audio. Nous avons également discuté ci-dessous d'exemples de lecture audio à partir de fichiers locaux. Nous pouvons également définir le lecture automatique paramètre nommé taux, qui spécifie le taux d'échantillonnage et doit être utilisé si les données sont fournies sous forme de tableau numpy ou de liste de flottants.

Lorsque nous donnons un objet créé par n'importe quelle classe comme dernière ligne de la cellule du bloc-notes, il affichera un objet de ce type.

Nous devons nous assurer que la majorité des classes disponibles depuis le module d'affichage fourniront un paramètre booléen nommé intégrer, ce qui met l'URI DE DONNÉES du contenu dans un bloc-notes, et la prochaine fois, nous n'aurons pas besoin de charger ce contenu dans le bloc-notes à partir d'un fichier/URL.

Comment afficher le « code » dans Jupyter Notebook ?

La classe code est utilisée pour afficher le code dans un format avec mise en évidence de la syntaxe. Nous pouvons également fournir des informations sur le code à la classe de l'une des manières mentionnées ci-dessous.

  1. Chaîne de code
  2. Nom de fichier local
  3. URL où réside le fichier

Comment afficher le fichier sous forme de lien téléchargeable à l'aide de « FileLink » dans Jupyter Notebook ?

La classe FileLink créera des liens autour des fichiers localement. Il acceptera un nom de fichier en entrée et créera un lien entouré de celui-ci. Nous pouvons également donner des préfixes et suffixes à utiliser autour des liens en utilisant résultat_html_prefix et résultat_html_suffixe commandes.

Nous avons également discuté de l'utilisation de la classe ci-dessous avec de petits exemples. Cela peut être utile lorsque nous exécutons un ordinateur portable sur des plates-formes telles que Kaggle, Google Collab ou toute autre plate-forme qui ne fournira pas d'accès aux disques locaux pour télécharger des fichiers générés au moment de notre analyse sous forme de fichiers de traçage, de fichiers Wights, etc.

Comment afficher tous les fichiers du répertoire sous forme de liens téléchargeables à l'aide de « FileLinks » dans Jupyter Notebook ?

La classe « FileLinks » fonctionnera de la même manière que la classe FileLink ; la seule différence est qu'il accepte les noms de répertoires en entrée et crée une liste de liens pour tous les fichiers.

Il existe des utilisations du dossier temporaire nommé fichiers_échantillons qui sont créés pour cela. Il fournira un paramètre booléen nommé récursif qui est True par défaut et récursera également dans tous les sous-répertoires pour afficher les fichiers dans chacun d'eux. Nous pouvons également définir ce paramètre sur False si nous ne voulons pas de liens vers des sous-répertoires.

Comment afficher « HTML » dans Jupyter Notebook ?

La classe nommée 'HTML' affiche un notebook HTML. La classe acceptera une liste des types de données mentionnés ci-dessous comme entrée pour créer une page HTML.

  1. Une chaîne contenant du code HTML
  2. URL
  3. Fichier HTML sur le système local

Principes de base de la visualisation de l'information

Nous discuterons des principes simples de visualisation des données que nous avons collectés et analysés. Nous discuterons de divers principes à garder à l’esprit lorsque nous formons une visualisation qui aura un sens pour le cerveau humain. Notre objectif principal est d’apprendre à présenter des données utiles au cerveau humain et pouvant être très facilement interprétées sans formation.

np.concaténer

Visualisation des données

La visualisation des données est principalement divisée en trois catégories. Ils sont:

Visualisation des informations

Il fera référence à des informations abstraites qui n’auront pas de position dans l’espace comme un graphique linéaire représentant le cours d’une action sur plusieurs années.

Exemple: Tracés statiques utilisant matplotlib, seaborn, etc.

Visualisation scientifique

Il s'agit principalement de représenter les données avec une représentation physique dans l'espace, comme les rapports d'échographie, la distribution de méthane dans un moteur à combustion, les rapports de tomodensitométrie et les rapports d'IRM où chaque point de données a un emplacement 3D réel dans l'espace.

Analyse visuelle

Il fait référence à des tableaux de bord interactifs, à des visualisations et à des algorithmes statistiques qui peuvent analyser rapidement sous différents aspects.

Exemple: Tableaux de bord utilisant un tiret, un complot, le tour est joué, un panneau, etc.

display_html()

La méthode display_html() prendra une liste d'objets créés à l'aide de la classe display.HTML comme entrée et les affichera tous un par un dans le notebook Jupyter.

Le code ci-dessous expliquera l'utilisation avec un exemple simple où nous combinons le HTML de l'URL Google et le fichier local.

 html1=display.HTML(url='https://google.com') html2=display.HTML(filename='basic-principles-of-information-visualization.html') display.display_html(html1, html2) 

Sortir

Affichage IPython

Comment afficher « IFrame » dans Jupyter Notebook ?

La classe IFrame affichera les iframes dans les notebooks Jupyter et nous permettra de spécifier la largeur et la hauteur de l'IFrame. Nous devons utiliser un IFrame pour afficher les fichiers HTML locaux et les documents IPython à l'aide d'URL.

Comment afficher les « images » dans Jupyter Notebook ?

La classe « Image » affichera des images de type jpg/jpeg/png/gif dans Jupyter Notebook. Nous pouvons également donner des informations sur l'image sous forme de str/bytes ou de nom de fichier/URL.

    display_jpeg() :La méthode display_jpeg() prendra les objets image d'entrée des fichiers jpeg/jpg créés à l'aide de la classe appelée Image et affichera les images les unes après les autres dans un cahier.display_png() :La méthode display_png() fonctionnera comme la méthode display_jpeg() et prendra les entrées sous la forme d'une liste d'objets image contenant des informations sur les fichiers png.

Comment afficher les « images SVG » dans Jupyter Notebook ?

La classe appelée SVG affichera les images SVG dans le notebook Jupyter. Nous pouvons également fournir le nom du fichier de l'image sur un système local ou une URL Web pour afficher l'image SVG.

    display_svg() :L'image display_svg prendra les entrées sous la forme d'une liste d'objets SVG créés à l'aide de la classe SVG et les affichera les uns après les autres.

Comment afficher « JSON » dans Jupyter Notebook ?

La classe JSON affichera le contenu du JSON sous la forme d'une structure de type répertoire dans Jupyter Notebook lui-même, où nous pourrons le trouver en développant ou en supprimant la structure avec le nœud. L'entrée est un dictionnaire JSON pour la méthode, et elle affichera le contenu dans une structure interactive arborescente. La classe chargera JSON à partir des fichiers locaux et des URL du Web.

Cette fonctionnalité ne fonctionnera qu'avec le laboratoire Jupyter. Cela ne fonctionnera pas pour le notebook Jupyter.

 json_data=[{'Name': 'William', 'Employee ID': 1, 'Address': 'Now York'}] display.JSON(data=json_data) 

Sortir

télécharger la vidéo depuis YouTube VLC
Affichage IPython
 display.JSON(data=json_data, expanded=True) 

Sortir

Affichage IPython

display_json()

La méthode display_json() prendra les entrées sous la forme d'un groupe d'objets json créés à l'aide de la classe JSON et les affichera tous un par un.

 json1_data = [{ 'Name': 'William', 'Employee ID' : 1, 'Address': 'New York'}] json2_data = [{ 'Name': 'Bill', 'Employee ID' : 1, 'Address': 'New York'}] json1_obj = display.JSON(json1_data, expanded=True) json2_obj = display.JSON(json2_data, expanded=True) display.display_json(json1_obj, json2_obj) 

Sortir

Affichage IPython

Comment afficher « Javascript » dans Jupyter Notebook ?

La classe nommée Javascript exécutera le code javascript dans Jupyter Notebook. Nous pouvons également fournir le nom de fichier ou l’URL du code javascript, et il les exécutera.

Nous pouvons également accéder à l'élément HTML de la sortie de la cellule en utilisant la variable element en javascript. Il le modifiera également en fonction de notre besoin d'afficher la sortie du notebook.

Ci-dessous, nous avons exécuté un simple code javascript qui comparera trois nombres et imprimera le plus grand des trois nombres comme sortie de la cellule en définissant l'attribut innerHTML de l'élément.

Nous devons faire en sorte que cette fonctionnalité ne fonctionne qu'avec le laboratoire Jupyter et qu'elle ne fonctionnera pas dans un notebook Jupyter.

Exemple

 // program to find the largest among three numbers // take input from the user const num1 = 12 const num2 = 10 const num3 = 35 let largest; // check the condition if(num1 >= num2 && num1 >= num3) { largest = num1; } else if (num2 >= num1 && num2 >= num3) { largest = num2; } else { largest = num3; } // display the result element.innerHTML = '' display.Javascript(filename='sample.js') 

Sortir

Le plus grand nombre est : 35

Comment afficher « Markdown » dans Jupyter Notebook ?

La classe nommée Markdown s'affichera dans le notebook Jupyter. Le bloc-notes Jupyter fournira déjà des cellules de démarque dans lesquelles nous pouvons afficher les démarques, mais cette classe sera utile lorsque nous obtiendrons des données de démarque provenant de nombreuses sources dans le code. Ci-dessous, nous pouvons expliquer cela avec un exemple simple de la façon dont nous pouvons l'utiliser. La classe chargera également Markdown à partir d'un fichier local ou d'une URL Web.

Exemple

 markdown = ''' # H1 Heading ## H2 Heading * L1 * L2 **Bold Text** ''' display.Markdown(markdown) 

Sortir

Affichage IPython

display_markdown()

La méthode display_markdown() acceptera un groupe d'objets markdown créés à l'aide de la classe Markdown et les affichera tous un par un.

Comment afficher des formules mathématiques à l'aide de « LaTex » dans Jupyter Notebook ?

La classe de Latex affichera Latex dans un cahier Jupyter, généralement utilisé pour exprimer des formules mathématiques dans un cahier Jupyter. Le notebook Jupyter utilisera le jaxjavascript mathématique pour afficher Latex dans le notebook Jupyter. Nous pouvons également fournir des données latex sous forme de chaîne, de nom de fichier ou d'URL sur le Web à la classe. Nous l'avons également expliqué avec un exemple d'affichage d'une formule dans un Jupyter Notebook qui sera une exigence de nombreux projets scientifiques.

 idf = ''' $ idf(t) = {log_{} dfrac {n_d} {df(d,t)}} + 1 $ ''' display.Latex(idf) 

Sortir

Affichage IPython

display_latex()

display_latex() prendra les entrées sous forme de liste d'objets Latex et affichera Latex individuellement.

 idf = ''' $ idf(t) = {log_{} dfrac {n_d} {df(d,t)}} + 1 $ ''' tf_idf = ''' $ tf{-}idf(t,d) = tf(t,d) * idf(t) $ ''' idf_latex = display.Latex(idf) tf_idf_latex = display.Latex(tf_idf) display.display_latex(idf_latex, tf_idf_latex) 

Sortir

Affichage IPython

Comment afficher les « Documents Scribd » dans Jupyter Notebook ?

La classe nommée ScribdDocument affichera les fichiers pdf Scribd dans un notebook Jupyter. Nous devons fournir l'identifiant unique du livre sur Scribd, qui affichera un document dans un cahier que nous pourrons ensuite lire. Nous pouvons également préciser la hauteur et la largeur du cadre qui affichera le livre. Il précisera également le numéro de la page de départ en utilisant le page de démarrage paramètre pour démarrer à partir de cette page.