IPython significa Python interactivo. Es una terminal de línea de comandos interactiva para Python. Proporcionará una terminal IPython y una plataforma basada en web (Notebook) para la informática Python. Tiene funciones más avanzadas que el intérprete estándar de Python y ejecutará rápidamente una sola línea de código Python.

Python e IPython son dos nombres similares pero completamente diferentes.

Pitón

Python es un lenguaje de programación popular. Guido Van Rossum lo creó y lanzó en 1991 en CWI (Centrum Wiskunde& Informatica) Países Bajos. Python es un lenguaje de programación de alto nivel y de propósito general, y además Python es dinámico.

Python es simple y fácil de aprender, es independiente de la plataforma y además es gratuito y de código abierto. Tiene un rico soporte de libertad y también es integrable y extensible.

Las bibliotecas de Python incluyen Numpy, Scipy, pandas y matplotlib. Podemos usar Python muy rápidamente y es dinámico, lo que lo convierte en un lenguaje productivo.

IPython

IPython es una terminal de línea de comandos interactiva para Python. Fernando Pérez lo creó en el año 2001. Ofrecerá un entorno mejorado de bucle de lectura, evaluación e impresión (REPL) y está particularmente bien adaptado a la Computación Científica.

IPython es una potente interfaz para el lenguaje Python. Aparte de Python, la forma más común de utilizar Python es escribir scripts y archivos con la extensión '.py'.

Un script contiene una lista de comandos para ejecutar en orden, se ejecutará de principio a fin y mostrará algunos resultados. En otras palabras, con IPython escribimos un comando a la vez y obtenemos los resultados rápidamente. Es una forma completamente diferente de trabajar con Python. Al analizar datos o ejecutar modelos computacionales, necesitamos esta interactividad para explorarlos de manera eficiente.

¿Qué significa google?

Cuaderno Jupyter

En 2011, IPthon introdujo una nueva herramienta llamada 'Computadora portátil'. Mathematica o Sage inspiraron el Notebook; Ofrecerá a Python una interfaz web moderna y potente.

Comparándolo con el terminal IPython original, el Notebook ofrecerá un editor de texto más conveniente y la posibilidad de escribir texto enriquecido con capacidades gráficas mejoradas. Dado que es una interfaz web, integrará muchas bibliotecas web existentes para la visualización de datos, incluidas trama.js.

En 2015, los desarrolladores de Ipython realizaron una importante reorganización del código de su proyecto. Entonces, el Notebook ahora se llama Jupyter Notebook. Entonces, esta interfaz se usa con Python y muchos lenguajes como R y Julia. IPyhton es el nombre del backend de Python.

Ipython y Jupyter son excelentes interfaces para el lenguaje Python. Si estamos aprendiendo Python, es muy recomendable utilizar la terminal IPython o Jupyter Notebook.

Instalación

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

IPython proporcionará una rica arquitectura para informática interactiva con lo siguiente:

1. Un shell interactivo robusto.
2. Un núcleo para Jupyter
3. Admite la visualización interactiva de datos y el uso de kits de herramientas GUI.
4. Es flexible, integrable e intérpretes para cargar en nuestros proyectos.
5. Es una herramienta de alto rendimiento fácil de usar para computación paralela.

Jupyter y el futuro de IPython

IPyhton es un proyecto en crecimiento con componentes de lenguaje cada vez mayores. IPython 3.x fue la última versión monolítica de IPython, que contiene el servidor portátil, qtconsole, etc. En cuanto a IPython 4.0, las partes del proyecto independientes del idioma: el formato del cuaderno, el protocolo de mensajes, qtconsole, la aplicación web del cuaderno, etc. Ha pasado a nuevos proyectos bajo el nombre de Jupyter. El propio IPython se centra en Python interactivo, parte del cual proporciona un kernel de Python para Jupyter.

Características de IPython

1. Ofrecerá un robusto shell Python interactivo.
2. Actúa como el núcleo principal de Jupyter Notebook y las otras herramientas de front-end del proyecto Jupyter.
3. Poseerá capacidad de introspección de objetos. La palabra introspección significa la capacidad de observar las propiedades de un objeto durante el tiempo de ejecución.
4. Es resaltado de sintaxis.
5. Almacenará el historial de interacciones.
6. Incluye tabulación de palabras clave, variables y nombres de funciones.
7. Consiste en un sistema de comando mágico que ayuda a controlar el entorno de Python y realizará tareas del sistema operativo.
8. Puede integrarse en otros programas de Python.
9. Proporcionará acceso al depurador de Python.

Historia y desarrollo

Fernando Pérez desarrolló IPyhton en el año 2001. La versión actual de IPython es IPython 1.0.1, que requerirá la versión Python 3.4 o superior. IPython 6.0 fue la primera versión compatible con Python 3. Los usuarios que tengan Python 2.7 deberían trabajar con la versión 2.0 a 5.7 de IPython.

¿Cómo mostrar contenido multimedia enriquecido (imagen, audio, vídeo, etc.) en Jupyter Notebook?

Jupyter Notebook y Lab se han convertido en las herramientas favoritas de los científicos y desarrolladores de datos de todo el mundo para realizar análisis de datos y tareas relacionadas.

Los Jupyter Notebooks son famosos porque tienen una interfaz fácil de usar y funcionalidades listas para usar que admiten comandos de shell desde el portátil. Los convierten en una herramienta única y de referencia en la comunidad de ciencia de datos.

El portátil Jupyter se basa en el kernel IPython, que se ejecuta bajo el capó. El kernel de IPython es como un intérprete de Python estándar pero con muchas funcionalidades adicionales.

La mayoría de los científicos de datos de todo el mundo utilizan Jupyter Notebook, que admitirá la visualización de contenido multimedia enriquecido como imágenes, rebajas, látex, vídeo, audio, HTML, etc. Libera a los usuarios de la molestia de utilizar diferentes herramientas para ver contenidos de muchos tipos. Podremos reproducir tanto audio como vídeo en un cuaderno que se muestra.

Cuando incluimos gráficos estáticos e interactivos en cuadernos creados durante el análisis, podemos incluso desarrollar paneles de control 'voilá'.

Todos los análisis están disponibles en un solo lugar, lo que permite realizar investigaciones reproducibles y fáciles de realizar. Es útil para presentaciones, ya que muchas personas usan Jupyter Notebooks para presentaciones.

plsql

Por lo tanto, los beneficios anteriores harán de los portátiles Jupyter la herramienta preferida por los científicos de datos de todo el mundo.

¿Cómo mostramos contenido Rich Media en portátiles?

El kernel IPython que impulsa Jupyter Notebook tiene un módulo llamado 'display', que nos proporcionará una lista de clases y métodos utilizados para mostrar contenidos multimedia enriquecidos de diferentes tipos en Jupyter Notebook y Jupyter Lab.

¿Qué podemos aprender de este IPython?

Hemos visto cómo mostrar contenidos/salidas de Rich Media en Jupyter Notebook. Incluirá audio/sonido, vídeo, látex, rebajas, HTML, iframe, SVG, pdf, etc.

Las funciones y clases para mostrar resultados enriquecidos están disponibles a través de 'IPython.display' hemos enumerado en la sección anterior.

Clases y funciones importantes del módulo 'Ipython.display'

Hay una lista de clases y métodos disponibles con el Pantalla.IPython módulo.

Clases

Las clases que se muestran a continuación aceptarán los datos de un tipo particular y, cuando se ejecuten desde la celda del cuaderno de Jupyter, mostrarán el contenido de ese tipo en un cuaderno.

1. Audio
2. Código
3. Enlace de archivo
4. Enlaces de archivos
5. HTML
6. Imagen
7. marco flotante
8. SVG
9. javascript
10. Video
11. Bonito
12. Video de Youtube
13. JSON
14. Reducción

Funciones

El 'mostrar_*()' Las funciones tomarán entrada tantos objetos creados usando las clases mencionadas anteriormente y los mostrarán secuencialmente. Según su nombre, el método tomará objetos de un tipo como entrada, excepto el último método display(), que combinará contenidos de diferentes tipos y los mostrará.

1. mostrar_html()
2. mostrar_jpeg()
3. mostrar_png()
4. mostrar_json()
5. mostrar_bonita()
6. mostrar()
7. mostrar_látex()
8. mostrar_javascript()
9. mostrar_markdown()

Terminará con una pequeña introducción y ahora comencemos con la parte de codificación. Comenzaremos importando el módulo de visualización.

 from IPython import display 

¿Cómo mostrar el reproductor de 'Audio' o 'Sonido' en Jupyter Notebook?

La clase 'Audio' mostrará archivos de audio en un cuaderno jupyter y proporcionará un reproductor simple para pausar/reproducir y escuchar el audio. El primer argumento del método es 'datos' que aceptará una de las siguientes entradas y generará un objeto Audio que, cuando se muestre, mostrará un pequeño reproductor que puede reproducir audio.

1. matriz numerosa (1d o 2d) de una forma de onda
2. Lista de flotadores que contienen formas de onda
3. Nombre de archivo de audio local
4. URL

A continuación, proporcionamos la URL de entrada de un archivo de audio y mostrará un objeto de audio que reproducirá ese audio. También analizamos ejemplos de reproducción de audio desde archivos locales a continuación. También podemos configurar el auto-reproducción parámetro nombrado tasa, que especifica la frecuencia de muestreo y debe usarse si los datos se proporcionan como una matriz numerosa o una lista de flotantes.

Cuando damos un objeto creado por cualquier clase como última línea en la celda del cuaderno, se mostrará un objeto de ese tipo.

Necesitamos asegurarnos de tener en cuenta que la mayoría de las clases disponibles en el módulo de visualización proporcionarán un parámetro booleano llamado empotrar, que pone el URI DE DATOS del contenido en un cuaderno y la próxima vez no necesitaremos cargar ese contenido en el cuaderno desde el archivo/URL.

¿Cómo mostrar el 'código' en Jupyter Notebook?

La clase de código se utiliza para mostrar código en formato resaltado de sintaxis. También podemos proporcionar información de código a la clase de una de las formas que se mencionan a continuación.

1. cadena de codigo
2. Nombre de archivo local
3. URL donde reside el archivo

¿Cómo mostrar el archivo como un enlace descargable usando 'FileLink' en Jupyter Notebook?

La clase FileLink creará enlaces alrededor de los archivos localmente. Aceptará un nombre de archivo como entrada y creará un enlace rodeado por él. También podemos dar prefijos y sufijos para usar alrededor de enlaces usando resultado_html_prefix y resultado_html_sufijo comandos.

También hemos discutido el uso de la clase a continuación con pequeños ejemplos. Puede resultar útil cuando ejecutamos un cuaderno en plataformas como Kaggle, Google Collab o cualquier otra plataforma que no brinde acceso a discos locales para descargar archivos generados en el momento de nuestro análisis, como archivos de trazado, archivos de peso, etc.

¿Cómo mostrar todos los archivos en el directorio como enlaces descargables usando 'FileLinks' en Jupyter Notebook?

La clase 'FileLinks' funcionará igual que la clase FileLink; la única diferencia es que acepta nombres de directorios como entrada y crea una lista de enlaces para todos los archivos.

10 de 50.00

Hay usos que son de la carpeta temporal llamada archivos de muestra que se crean para ello. Proporcionará un parámetro booleano llamado recursivo que es Verdadero de forma predeterminada y también se repite en todos los subdirectorios para mostrar archivos en todos ellos. También podemos establecer este parámetro en False si no queremos enlaces a subdirectorios.

¿Cómo mostrar 'HTML' en Jupyter Notebook?

La clase denominada 'HTML' muestra un cuaderno HTML. La clase aceptará una lista de los tipos de datos mencionados a continuación como entrada para crear una página HTML.

1. Una cadena que contiene código HTML
2. URL
3. Archivo HTML en el sistema local.

Principios básicos de visualización de información.

Discutiremos los principios simples de visualización de datos que hemos recopilado y analizado. Discutiremos varios principios a tener en cuenta cuando formamos una visualización que tendrá sentido para el cerebro humano. Nuestro objetivo principal es aprender cómo ayudar a presentar datos, que sean útiles para el cerebro humano y puedan interpretarse muy fácilmente sin formación.

Visualización de datos

La visualización de datos se divide principalmente en tres categorías. Ellos son:

Visualización de información

Se referirá a información abstracta que no tendrá una posición en el espacio como un gráfico de líneas que representa el precio de las acciones durante muchos años.

Ejemplo: Gráficos estáticos usando matplotlib, seaborn, etc.

visualización científica

Se refiere principalmente a representar los datos con una representación física en el espacio, como informes de ecografía, distribución de metano en un motor de combustión, informes de tomografía computarizada y resonancia magnética, donde cada punto de datos tiene una ubicación 3D real en el espacio.

Analítica visual

generador de números aleatorios java

Se refiere a paneles interactivos, visualización y algoritmos estadísticos que pueden analizar rápidamente desde diferentes aspectos.

Ejemplo: Paneles de control que utilizan un guión, trazado, listo, panel, etc.

mostrar_html()

El método display_html() tomará una lista de objetos creados usando la clase display.HTML como entrada y los mostrará todos uno por uno en el cuaderno Jupyter.

El siguiente código explicará el uso con un ejemplo simple donde combinamos el HTML de la URL de Google y el archivo local.

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

Producción

¿Cómo mostrar 'IFrame' en Jupyter Notebook?

La clase IFrame mostrará iframes en los cuadernos de Jupyter y nos permitirá especificar el ancho y el alto del IFrame. Necesitamos usar un IFrame para mostrar archivos HTML locales y documentos IPython usando URL.

¿Cómo mostrar 'imágenes' en Jupyter Notebook?

La clase 'Imagen' mostrará imágenes de tipo jpg/jpeg/png/gif en Jupyter Notebook. También podemos proporcionar información de la imagen como cadena/bytes o nombre de archivo/URL.

mostrar_jpeg():El método display_jpeg() tomará objetos de imagen de entrada de archivos jpeg/jpg que se crean usando la clase llamada Imagen y mostrará las imágenes una tras otra en un cuaderno.mostrar_png():El método display_png() funcionará como el método display_jpeg() y recibirá entrada como una lista de objetos de imagen que contienen información sobre los archivos png.

¿Cómo mostrar 'imágenes SVG' en Jupyter Notebook?

La clase llamada SVG mostrará las imágenes SVG en el cuaderno de Jupyter. También podemos proporcionar el nombre del archivo de la imagen en un sistema local o URL web para mostrar la imagen SVG.

mostrar_svg():La imagen display_svg tomará como entrada una lista de objetos SVG creados usando la clase SVG y los mostrará uno tras otro.

¿Cómo mostrar 'JSON' en Jupyter Notebook?

La clase JSON mostrará el contenido del JSON como una estructura similar a un directorio en el propio Jupyter Notebook, donde podemos encontrarlo expandiendo o eliminando la estructura con el nodo. La entrada es un diccionario JSON para el método y mostrará el contenido en una estructura interactiva en forma de árbol. La clase cargará JSON desde los archivos locales y las URL dentro de la web.

Esta funcionalidad solo funcionará con Jupyter Lab. No funcionará para el portátil Jupyter.

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

Producción

 display.JSON(data=json_data, expanded=True) 

Producción

mostrar_json()

El método display_json() tomará la entrada como un grupo de objetos json creados usando la clase JSON y los mostrará todos uno por uno.

 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) 

Producción

¿Cómo mostrar 'Javascript' en Jupyter Notebook?

La clase denominada Javascript ejecutará código javascript en Jupyter Notebook. También podemos proporcionar el nombre del archivo o la URL del código javascript y los ejecutará.

También podemos acceder al elemento HTML de la salida de la celda usando la variable de elemento en javascript. También lo modificará según nuestra necesidad de mostrar la salida del cuaderno.

A continuación, hemos ejecutado un código javascript simple que comparará tres números e imprimirá el mayor de los tres números como salida de la celda configurando el atributo internalHTML del elemento.

Necesitamos hacer que esta funcionalidad solo funcione con el laboratorio de Jupyter y no funcione en una computadora portátil de Jupyter.

Ejemplo

 // 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') 

Producción

El número más grande es: 35

¿Cómo mostrar 'Markdown' en Jupyter Notebook?

La clase denominada Markdown se mostrará en el cuaderno de Jupyter. El cuaderno Jupyter ya proporcionará celdas de rebajas donde podemos mostrar las rebajas, pero esta clase será útil cuando obtengamos datos de rebajas de muchas fuentes en el código. A continuación, podemos explicarlo con un ejemplo simple de cómo podemos usarlo. La clase también cargará Markdown desde un archivo local o una URL web.

Ejemplo

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

Producción

mostrar_markdown()

El método display_markdown() aceptará un grupo de objetos Markdown creados usando la clase Markdown y los mostrará todos uno por uno.

¿Cómo mostrar fórmulas matemáticas usando 'LaTex' en Jupyter Notebook?

La clase de Latex mostrará Latex en un cuaderno Jupyter, generalmente utilizado para expresar fórmulas matemáticas en un cuaderno Jupyter. El cuaderno Jupyter utilizará jaxjavascript matemático para mostrar Latex en el cuaderno Jupyter. También podemos proporcionar datos de látex como una cadena, un nombre de archivo o una URL en la web para la clase. También lo explicamos con un ejemplo de cómo mostrar una fórmula en un Jupyter Notebook que será un requisito de muchos proyectos científicos.

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

Producción

cómo crear una matriz en java

mostrar_látex()

display_latex() tomará la entrada como una lista de objetos de Latex y mostrará Latex individualmente.

 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) 

Producción

¿Cómo mostrar 'Documentos Scribd' en Jupyter Notebook?

La clase denominada ScribdDocument mostrará archivos pdf de Scribd en un cuaderno Jupyter. Tenemos que proporcionar la identificación única del libro en Scribd, que mostrará un documento en un cuaderno que luego podremos leer. También podemos especificar el alto y ancho del marco que mostrará el libro. También especificará el número de página inicial utilizando el página de inicio parámetro para comenzar desde esa página.