使用IPython
IPython简介
有时候仅需要通过几行 Python 代码来执行一些简单的功能，或测试某个库的基本使用方式。此时专门再编写一个脚本运行不免有些麻烦。好在 Python 提供了一个命令行的交互式控制台，可以立即执行输入的每一条语句并暂时保存变量。例如；
交互式控制台的特点在于其的交互功能，它可以直接查看变量的值，这样就避免了在简单的脚本中大量使用 print() 。
然而，Python 自带的交互式控制台功能过于薄弱。它没有语法高亮，没有自动补全，并且对缩进的处理也不够自然。如果代码较多，那么不但编写容易出错，而且难以阅读。
因此许多项目都尝试增强原有交互式控制台的功能。bpython 就是其中之一，bpython 在原有控制台的功能的基础上，提供了代码高亮、自动补全、括号匹配、缩进处理等功能，大大优化了交互体验。以下是 bpython 的简单交互效果：
bpython 可以通过命令行快速安装，但它目前只支持 Linux 系统。
IPython 则是一个更加强大的改进版交互式控制台，它不但支持代码高亮、自动补全等功能，还实现了跨平台以及更加丰富的扩展功能。以下是 IPython 的效果演示：
从截图中可以看到，IPython 还具有以下功能：
IPython 使用一个个单元格(cell)来对输入及输出编号，相比原先 Python 的提示符更加清晰。
单元格及其编号也为获取历史记录提供了一些便利。在 Python 的交互式控制台中都有一个特殊变量单下划线 _ ，它保存着上次访问的对象信息，而 IPython 则具有更多这样的特殊变量，例如：
_i4用于获取 In[4] 单元的代码
- 两个下划线
__用于获取上上次访问的对象信息：
这样的特殊变量还有很多。并且从返回的结果来看，IPython 还提供了更加美观的打印效果：列表、字典等会换行对齐展示，更易于阅读。IPython 也对其它常见的输出做了一定优化，使其更便于展示。
在 2 号单元格内，执行了以下命令：
这不是标准的 Python 语法，而是 IPython 的扩展语法，在某个函数或类后面添加一个问号可以显示其文档字符串。IPython 提供了更丰富的扩展语法，使得某些基础的功能可以通过简单的命令实现。再如，IPython 将一些简单的命令行功能整合进了扩展语法中：
IPython 通过 pip 就可以安装。接下来介绍 IPython 更多类似这样的扩展语法。
IPython的高级功能
提示与帮助
前文介绍了 IPython 可以在函数或类后面加上一个问号获取它的文档帮助。实际上，对于任意的对象都可以用此方法查看它的基本信息：
除此之外，还可以通过两个问号 ?? 来获取函数的源代码：
当然，如果源代码不是使用 Python 编写的，那么就只能获取到一些基本信息了。
单个问号还可以配合通配符检查命名空间中所有匹配的成员：
IPython 还提供了强大的自动补全功能。在访问模块或类的成员时，可以通过 TAB 键获取其包含的成员提示：
shell交互
IPython 还可以直接与命令行交互，使用 ! 符号作为前缀可以执行命令行命令：
注意，在 Windows 系统上默认调用的是 DOS 而不是 PowerShell 命令，即使 IPython 是通过 PowerShell 启动的。
该命令甚至还能作为一个值赋给变量：
这个结果有点类似列表，但它实际上是 IPython 提供的一种增强版列表，它提供了更多操作方法，例如使用函数或正则字符串筛选合适元素：
也可以实现相反方向的交互，通过 {var} 将 Python 变量传入 shell ：
魔法命令
IPython 中的一个更强大的功能是魔法命令(magic command)，魔法命令可以用一种简洁的形式解决各种常见问题。
魔法命令以 % 符号作为前缀，如果要让魔法命令作用于整个单元，那么以两个 %% 作为前缀。魔法命令是一个很复杂的系统，接下来只介绍各种常用的魔法命令。
%run file 是一个很常用的魔法命令，它可以执行某一个 Python 脚本，在执行完后由 IPython 接管环境。这在 Debug 的时候很好用，当抛出异常时可以自动切换到 IPython 环境，此时可以使用 IPython 检查异常位置一些变量的值，或者查看异常的回溯栈等，在非图形界面下也可以很好地调试。
%timeit 也是一个很常用的魔法命令，用于分析一条或一块语句执行时长，这在科学计算或分析性能瓶颈的时候非常有用：
直接从 Python 命令行控制台中复制的代码会带上提示符，如果要使用它还必须去除提示符。使用 %paste 命令可以从剪贴板中获取并执行代码，同时消除提示符的影响：
配合特殊变量 In 可以获取去除提示符的实际执行的代码：
这里对魔法命令暂时就介绍这么多。可以通过 %magic 打开魔法命令的帮助文档，所有魔法命令可以通过 %lsmagic 获取，通过使用 ? 符号就可以了解每个魔法命令的使用。
使用Jupyter notebook
简介与安装
IPython 的功能非常丰富，甚至超越了原生 Python 的功能。然而 IPython 毕竟只是个命令行的控制台，进一步提升的空间被限制了。
基于此，IPython 发展出了一种更强大的编辑器模式：Jupyter Notebook 。Notebook 具有可视化的编辑界面，并使用文件来编辑与保存单元格的内容。
以下是 Jupyter Notebook 的使用截图：
Jupyter 在保留 IPython 特点的同时，功能与交互性都更加强大。
Jupyter 的安装十分简单，只需要通过 pip 安装即可：
注：目前主流的 Jupyter 安装和管理都是通过 Anaconda 完成的，这里使用命令行仅仅是为了简化使用与配置。关于 Anaconda 的使用网络上已经有较多文章，这里不再重复。
然后在命令行中就可以启动 Notebook ：
这会在浏览器中打开一个新的页面，稍等片刻后便会进入 Notebook 的初始界面：
认识Notebook
Jupyter Notebook 也是基于文件执行的，其文件后缀为 .ipynb ，它实质上是一个 Json 文件，只有使用 Jupyter 等支持的编辑器打开才能正常被渲染。在 Jupyter 提供的浏览器页面中，可以像别的编辑器一样新建、修改和保存这种文件，还可以将其导出为 Python 代码、Markdown 文本、PDF 文档等。
进入 Jupyter 后，它提供了 3 个选项卡：
- Files 页用于管理工作路径下的文件
- Running 页显示当前正在运行的终端和 Notebooks
- Clusters 页用于处理计算群集
新建或打开一个 Notebook 文件后，即可像 IPython 一样在各个单元格内编写、执行代码：
但与 IPython 不同的是，Notebook 单元格的代码可以修改后重新执行，这会使得虽然上面某个单元格的代码修改了，但是下面单元格的输出结果还没更新，并且原始的数据也会被覆盖。注意单元格左侧 In 中的编号才表示真正的执行顺序。
Jupyter 提供的菜单中有各种功能，例如新建或保存文件、合并或移动单元格、控制显示内容等，它们使用较为简单，这里就不展开介绍了。
Notebook 中的单元格除了可以编写代码，还可以使用其余类型的单元格，例如通过 Markdown 单元格编写简单文档并嵌入 LaTeX 公式，或者使用 Raw 单元格显示纯文本。一些 Notebook 的扩展还允许它编写 bash 脚本、执行 R 语言甚至 SQL 命令等。
Notebook 的单元格在编写代码时，具有以下两种模式：
- 编辑模式：此时单元格外围的边框颜色为绿色，可以直接在该单元格中输入代码或文本
- 命令模式：此时单元格外围的边框颜色为蓝色，键盘操作将作为命令执行
点击单元格代码外区域或使用快捷键 Esc 即可进入命令模式，此时可以使用以下常用的命令对单元格做调整：
| 命令 | 功能 | 命令 | 功能 |
|---|---|---|---|
| L | 在单元格中显示或取消显示代码行号 | X | 剪切选中的单元格 |
| M | 将该单元格变为 Markdown 类型 | C | 复制选中的单元格 |
| Y | 将该单元格变为 Code 类型 | V | 将单元格粘贴到当前单元格下方 |
| A | 在当前单元格上方插入一个 Code 单元格 | Shift+↑ 或 Shift+↓ | 向上或向下连续选择多个单元格 |
返回编辑模式可以点击代码区域或使用快捷键 Enter 。运行代码可以使用如下快捷键，它们在任意模式下都可以直接使用：
- Ctrl+Enter ：运行选中单元格
- Shift+Enter ：运行选中的单元格，并选中下一个单元格
- Alt+Enter ：运行选中的单元格，并在下方插入一个新的单元格
配置Jupyter
Jupyter 的某些配置可以修改以满足使用要求。
在启动时可以通过命令行参数临时修改配置。例如 Jupyter 运行的默认端口号是 8888 ，可以通过如下参数修改端口号：
如果需要永久更改某个配置，那么就需要使用配置文件。初次使用需要通过如下命令生成配置文件：
然后可以根据提示信息找到配置文件的位置。该文件是一个纯 Python 文件，使用变量保存所有的配置信息，并且默认情况下配置都被注释了。
如果要启用某项配置只需要取消注释即可，这些配置的说明都在注释中写的很明白了。例如，假设要更改 Jupyter 打开后的根目录，那么可以修改以下配置：
管理内核
Notebook 在浏览器前端编写代码后，由内核(kernel)负责执行并返回结果。内核保存着单元格中的所有变量，因此一个 Notebook 所有的代码都在一个内核中执行。
在编辑界面中，可以在 kernel 菜单中终止或重启内核。但需要注意的是：内核一旦中断，所有的变量都会丢失，只有重新执行才可以访问这些变量。
在使用 Python 的过程中，免不了要管理各种虚拟环境，此时就需要管理 Jupyter 的各种内核。内核管理需要借助 ipykernel 第三方库实现，不过它应该在安装 Jupyter 时已经作为一个依赖被一并安装了。
使用以下命令即可查看当前 Jupyter 具有的全部内核：
每个内核都是一个目录，它主要包含以下文件：
logo-32x32.png
logo-64x64.png
logo-svg.svg
通过在 kernels 目录中创建多个类似这样的目录并修改 kernel.json 文件的内容，即可创建多个使用不同解释器的内核。kernel.json 文件中的内容为：
这里主要修改 "argv"[0] 决定的解释器路径和 "display_name" 决定的内核名，启动 Jupyter 后就能在 Kernel 菜单中更换内核并使用不同的虚拟环境了：
高级交互效果
借助浏览器的前端技术，Jupyter 可以使用在命令行甚至一般的编辑器中无法实现的交互效果。
在之前介绍 Jupyter 时就展示了在单元格内显示，借助 IPython.display 模块的各种显示类，可以在浏览器中显示各种格式的文本、数学公式乃至多媒体文件等：
还可以使用控件(widget)实现更强大的交互效果。控件的实现由第三方库 ipywidgets 提供，它应该在安装 Jupyter 时就被一并安装了，如果没有的话也可以使用 pip 安装它。
先来看一个最简单的示例，在输出中显示一个滑块：
交互最主要的就是处理各种事件，这可以通过向 .observe() 方法提供回调函数实现。每次发生交互时，事件的相关信息将以字典的形式由回调函数处理：
由于许多动作都会导致事件的发生，因此这里通过 names 参数限制处理的事件，即只有选定的值发生变化时才处理该事件。滑块在滑动过程中会不断触发事件，在复杂操作时可能引起卡顿。如果想让滑块在最终释放时才执行动作，那么可以在初始化时将 continuous_update 参数设置为 False 。
按钮之类的特殊控件没有那么多交互逻辑，可以使用其它方法简化处理，例如：
给多个控件建立联系也是很常见的做法，这点可以通过 link() 函数实现。例如，以下在一个滑块和进度条之间建立联系，使滑块的位置被同步反映到进度条上：
如果要建立单向联系，可以使用 dlink() 。这种联系的后台交互由内核实现，因此内核断开后就无法继续使用。如果要使用纯前端方法实现的联系，可以使用 jslink() 和 jsdlink() 。
一种更为强大的交互效果由 interact() 函数实现。该函数可以根据初始值自动选择合适的控件展示，以下简单展示了几个示例：
ipywidgets 的内容非常复杂，它不仅包含了大量常用的输入框、按钮、框架盒系列的控件，还允许对控件的样式做详细的定制，这里就不展开说明了。要了解更多有关它的内容，可以参考官方文档。
JupyterLab：更强大的Notebook IDE
Jupyter 作为 Notebook 的开发环境，只提供了基本的界面及一些简单的单元格编辑与处理功能。JupyterLab 则是一个更高级的浏览器 Notebook 开发环境，它提供了更加丰富的功能，其使用截图如下：
用过 VS Code 等编辑器的话应该会对该界面比较熟悉，JupyterLab 提供了更实用的文件管理、预览、分屏、状态显示等功能，并且还可以通过安装扩展进一步丰富其功能。
JupyterLab 可以通过 pip 快速安装：
然后就可以在命令行中运行：
Jupyter 及 Notebook 的发展远没有结束，除了以上介绍的技术外，Jupyter Hub 可以用于多人协同开发，而各个常用 Python IDE（如 Pycharm 和 VS Code ）也推出了内置的 Notebook 开发环境，使 Notebook 可以使用它们提供的代码补全、语法检查、调试、环境管理等更多功能。