Running a notebook server

Running a notebook server

步骤：

1. 在阿里云后台，打开相应的端口，比如我们这里打开8055端口
2. 安装完jupyter后，输入$ jupyter notebook --generate-config产生配置文件。
3. 进入ipython，配置密码，记下密码（用于登录），并复制hash码sha1:...（用于配置）：

In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password:
Verify password:
Out[2]: 'sha1:67c9e60bb8b6:9f*****4254b2e042ea597d771089e11aed'

4. 编辑jupyter配置文件：

$ vi .jupyter/jupyter_notebook_config.py

添加：

c.NotebookApp.ip='*'
c.NotebookApp.notebook_dir = u''
c.NotebookApp.open_browser = False
c.NotebookApp.password = 'sha1:67c9e60bb8b6:9f*****4254b2e042ea597d771089e11aed'
c.NotebookApp.port =8055

保存退出
5. 在防火墙开放相应的端口

$ sudo ufw status #查看端口开放状态
$ sudo ufw allow 8055

6. 运行jupyter

$ nohup jupyter notebook >> jupyter.out 2>&1 &

即可通过浏览器访问。

http://yourhost:8055，
密码是你在ipython里设置的密码。

---

可能的bug:

快捷键速查

命令模式 (按键 Esc 开启)
Enter : 转入编辑模式
Shift-Enter : 运行本单元，选中下个单元
Ctrl-Enter : 运行本单元
Alt-Enter : 运行本单元，在其下插入新单元
Y : 单元转入代码状态
M :单元转入markdown状态
R : 单元转入raw状态
1 : 设定 1 级标题
2 : 设定 2 级标题
3 : 设定 3 级标题
4 : 设定 4 级标题
5 : 设定 5 级标题
6 : 设定 6 级标题
Up : 选中上方单元
K : 选中上方单元
Down : 选中下方单元
J : 选中下方单元
Shift-K : 扩大选中上方单元
Shift-J : 扩大选中下方单元
A : 在上方插入新单元
B : 在下方插入新单元
X : 剪切选中的单元
C : 复制选中的单元
Shift-V : 粘贴到上方单元
V : 粘贴到下方单元
Z : 恢复删除的最后一个单元
D,D : 删除选中的单元
Shift-M : 合并选中的单元
Ctrl-S : 文件存盘
S : 文件存盘
L : 转换行号
O : 转换输出
Shift-O : 转换输出滚动
Esc : 关闭页面
Q : 关闭页面
H : 显示快捷键帮助
I,I : 中断Notebook内核
0,0 : 重启Notebook内核
Shift : 忽略
Shift-Space : 向上滚动
Space : 向下滚动
编辑模式 ( Enter 键启动)
Tab : 代码补全或缩进
Shift-Tab : 提示
Ctrl-] : 缩进
Ctrl-[ : 解除缩进
Ctrl-A : 全选
Ctrl-Z : 复原
Ctrl-Shift-Z : 再做
Ctrl-Y : 再做
Ctrl-Home : 跳到单元开头
Ctrl-Up : 跳到单元开头
Ctrl-End : 跳到单元末尾
Ctrl-Down : 跳到单元末尾
Ctrl-Left : 跳到左边一个字首
Ctrl-Right : 跳到右边一个字首
Ctrl-Backspace : 删除前面一个字
Ctrl-Delete : 删除后面一个字
Esc : 进入命令模式
Ctrl-M : 进入命令模式
Shift-Enter : 运行本单元，选中下一单元
Ctrl-Enter : 运行本单元
Alt-Enter : 运行本单元，在下面插入一单元
Ctrl-Shift-- : 分割单元
Ctrl-S : 文件存盘
Shift : 忽略
Up : 光标上移或转入上一单元
Down :光标下移或转入下一单元

魔术命令magics

魔术命令是ipython中的特殊命令，常以%作为前缀符号开头，用于方便我们的日常使用。

• %：行魔法函数，只对本行代码生效。
• %%：Cell魔法函数，在整个Cell中生效，必须放于Cell首行。
  下面我们来介绍一下常用的magics。

（完整的magics命令：大家可以打开jupyter后可以在cell中输入%quickref显示快速参考卡，%lsmagic：列出所有的魔法函数，以及%magic命令可以显示魔术命令的详细文档）

• %matplotlib inline: 这个命令可能是大家最常用的一个魔术命令。这个命令用于将matplotlib的输出图嵌入到notebook中，如果不加这条命令，在用matplotlib绘图时可能会出现不显示的情况。
• ％time, ％timeit和 %%time, %%timeit:可以用来记录程序运行的时间，以便于后期对代码逻辑进行优化。

%time可以输出单个语句的运行时间，而％timeit会自动多次执行语句以产生一个更具代表性的平均执行时间， %%time可以输出整个cell中语句的执行时间。

import time
import numpy as np

def time_test():
    arr = np.random.rand(5,6)
    for i in range(10000):
        arr += (-1)**i
    return arr
    
%time time_test()

# OUTPUT:
"""
CPU times: user 26 ms, sys: 2.16 ms, total: 28.2 ms
Wall time: 27 ms
array([[0.9002168 , 0.3041222 , 0.44203939, 0.17079689, 0.94881637,
        0.3497185 ],
       [0.3253366 , 0.94237406, 0.94394366, 0.45562757, 0.13917467,
        0.34043364],
       [0.17794278, 0.51184239, 0.30619056, 0.17429579, 0.92800944,
        0.4405044 ],
       [0.30972439, 0.02095686, 0.31532945, 0.65237745, 0.03647221,
        0.54834167],
       [0.9697625 , 0.52372474, 0.12283473, 0.46851531, 0.09019544,
        0.41063005]])
"""
%timeit time_test()

# OUTPUT:
"""
17.1 ms ± 187 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
"""

%%time 
import time
import numpy as np

def time_test():
    arr = np.random.rand(5,6)
    for i in range(10000):
        arr += (-1)**i
    return arr
        
time_test()
# OUTPUT:
"""
CPU times: user 24.5 ms, sys: 914 µs, total: 25.4 ms
Wall time: 25 ms
"""

• %xdel：删除一个变量，清除相关的引用。
• %prun, %lprun, %memit, %mprun：程序性能分析。
  • %prun: Run code with the profiler
  • %lprun: Run code with the line-by-line profiler
  • %memit: Measure the memory use of a single statement
  • %mprun: Run code with the line-by-line memory profiler`

注：后面三个magics命令不是jupyter自带的，需要先进行安装和导入才可以使用。

$ pip install line_profiler
%load_ext line_profiler 
$ pip install memory_profiler
%load_ext memory_profiler

• %load_ext：导入ipython的拓展工具。

Load an IPython extension by its module name.

• %run：运行python脚本：

%run script.py

• %system date, !date 和 !!date: 都可用于在cell中执行shell命令。
• ％who_ls, %who, %whos:输出环境中的变量列表。%who_ls function仅仅输入函数类型的变量列表。

%whos

#OUTPUT
"""
Variable    Type        Data/Info
---------------------------------
np          module      <module 'numpy' from '/Us<...>kages/numpy/__init__.py'>
time        module      <module 'time' (built-in)>
time_test   function    <function time_test at 0x10f433620>
"""

• %debug, %pdb：可用于调试debug

• %env：列出全部环境变量

• %reset：清除全部变量

• %%: Cell magics：在每个cell的开头使用的以%%开头的魔法命令，可以在一个notebook中用不同的内核运行代码，例如：

%%bash
%%markdown
%%time
%%HTML
%%python2
%%python3
%%latex
%%javascript
%%ruby
%%perl

扩展功能

安装方法：

!pip install https://github.com/ipython-contrib/jupyter_contrib_nbextensions/tarball/master
!pip install jupyter_nbextensions_configurator
!jupyter contrib nbextension install --user
!jupyter nbextensions_configurator enable --user

安装完成后打开jupyter可以看到多了Nbextensions这个选项卡：

安装了之后便多了很多便捷的小工具可以选择，可以直接在上图显示的Nbextensions这个选项卡中直接打开相应的功能。下面介绍一些常见的：

• Hinterland：代码输入提示工具，非常好用。
• Autopep8：一键美化代码。
• Table of Contents：生成目录。
• Split Cells Notebook：拆分单元格。
  
• Codefolding：代码折叠。
• table_beautifier：美化表格。
  

更多的扩展功能大家可以自行探索。

其他

• ?,??：可以在jupyter中实现help的功能。

np.random.rand??

# OUTPUT:
"""
Docstring:
rand(d0, d1, ..., dn)

Random values in a given shape.

Create an array of the given shape and populate it with
random samples from a uniform distribution
over ``[0, 1)``.

Parameters
----------
d0, d1, ..., dn : int, optional
    The dimensions of the returned array, should all be positive.
    If no argument is given a single Python float is returned.

Returns
-------
out : ndarray, shape ``(d0, d1, ..., dn)``
    Random values.

See Also
--------
random

Notes
-----
This is a convenience function. If you want an interface that
takes a shape-tuple as the first argument, refer to
np.random.random_sample .

Examples
--------
>>> np.random.rand(3,2)
array([[ 0.14022471,  0.96360618],  #random
       [ 0.37601032,  0.25528411],  #random
       [ 0.49313049,  0.94909878]]) #random
Type:      builtin_function_or_method
"""

• 将notebook转化为PPT展示：
  https://github.com/damianavila/RISE

Reference

IPython Documentation

Jupyter (IPython) notebooks features

28 Jupyter Notebook tips, tricks, and shortcuts

Bringing the best out of Jupyter Notebooks for Data Science
Built-in magic commands

Jupyter notebook调试

Building a Data Science Portfolio: Setting Up a Blog

Jupyter-contrib extensions