Jupyter Notebook 中的魔法命令

转载请注明出处

运行脚本

文件结构


%run后面接相对地址即可

%run Test/test.py

Hello Machine Learning !

notebook将整个test.py脚本加载进来了

调用刚才程序中的hello函数

hello("mooc")

Hello mooc !

加载整个模块

文件结构

__init__.py文件为空，使该文件夹成为一个package

import myModule.main

myModule.main.predict(1)

?

%timeit

单句运行时间测量

运行多次取平均值

%timeit L = [i**2 for i in range(1000)] #List生成表达式

448 µs ± 45 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit L = [i**2 for i in range(10)]

5 µs ± 509 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%%timeit

代码块运行时间测量

区域命令符

%%timeit
L = []
for n in range(1000):
    L.append(n ** 2)

542 µs ± 74.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

time

只运行一次

%time L = [i**2 for i in range(1000)] 

Wall time: 998 µs

%%time
L = []
for n in range(1000):
    L.append(n ** 2)

Wall time: 0 ns

timeit 和 time 的比较

timeit因为多次运行，如果每次运行效率不同，时间会有很大偏差

import random
L = [random.random() for i in range(10000)]
%timeit L.sort()

71.1 µs ± 2.81 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

L = [random.random() for i in range(10000)]
%time L.sort()

Wall time: 998 µs

关于运行时间（操作系统知识补充）：

真实时间 walltime：进程从开始执行到最后结束的时间，包括阻塞 + 就绪 + 运行的时间。称为 wall clock time/墙上时钟时间/elpapsed time，是我们跑程序实际等待的时间；

系统cpu时间 system time：用户进程获得CPU资源后，在内核态的执行时间，如write，read等系统调用；

用户cpu时间 usertime：用户进程获得CPU资源后，在用户态执行的时间，主要是我们自己编写的代码；

其中可大致认为：

真实时间 = 阻塞时间 + 就绪时间 ＋CPU运行时间

CPUtime = usertime + systime

time比timeit时间长很多，为什么呢？

%time L.sort()

Wall time: 0 ns

对于一个已经排好序的数组，python可以很快完成排序。

（三路快排算法、归并排序+优化，可以对已经有序的数组，实现$O(N)$复杂度的排序）

%timeit L.sort() 只有第一次时间长。

其他魔法命令

%lsmagic

查看文档

%run?