python和ipython關系

① python版本為2.7，安裝哪個ipython

最近在學習python源碼，感覺python的IDLE使用起來不是太方便，所以選擇交互性良好的ipython來進行學習。

但是系統自帶的python沒有源碼，所以要修改python源碼是不可能的，所以得自己去官網下載並安裝相應的python版本。

為了使得在學習python源碼過程更方便，我們可以配置自己安裝的python版本使用相應版本的ipython。

1. 首先得正確安裝ipython，命令為pip install ipython

2. 安裝自己的python版本，我是安裝在/home/foo/python/python2.7.6下

3. 查看已經ipython的安裝路徑，使用which ipython命令查看

4. 編輯/usr/local/bin/ipython，將#!行更改為你自己安裝的python的路徑

② Python 最重要的庫都有哪些

第一、NumPy

NumPy是Numerical
Python的簡寫，是Python數值計算的基石。它提供多種數據結構、演算法以及大部分涉及Python數值計算所需的介面。NumPy還包括其他內容：

①快速、高效的多維數組對象ndarray

②基於元素的數組計算或數組間數學操作函數

③用於讀寫硬碟中基於數組的數據集的工具

④線性代數操作、傅里葉變換以及隨機數生成

除了NumPy賦予Python的快速數組處理能力之外，NumPy的另一個主要用途是在演算法和庫之間作為數據傳遞的數據容器。對於數值數據，NumPy數組能夠比Python內建數據結構更為高效地存儲和操作數據。

第二、pandas

pandas提供了高級數據結構和函數，這些數據結構和函數的設計使得利用結構化、表格化數據的工作快速、簡單、有表現力。它出現於2010年，幫助Python成為強大、高效的數據分析環境。常用的pandas對象是DataFrame，它是用於實現表格化、面向列、使用行列標簽的數據結構;以及Series，一種一維標簽數組對象。

pandas將表格和關系型資料庫的靈活數據操作能力與Numpy的高性能數組計算的理念相結合。它提供復雜的索引函數，使得數據的重組、切塊、切片、聚合、子集選擇更為簡單。由於數據操作、預處理、清洗在數據分析中是重要的技能，pandas將是重要主題。

第三、matplotlib

matplotlib是最流行的用於制圖及其他二維數據可視化的Python庫，它由John D.
Hunter創建，目前由一個大型開發者團隊維護。matplotlib被設計為適合出版的制圖工具。

對於Python編程者來說也有其他可視化庫，但matplotlib依然使用最為廣泛，並且與生態系統的其他庫良好整合。

第四、IPython

IPython項目開始於2001年，由Fernando
Pérez發起，旨在開發一個更具交互性的Python解釋器。在過去的16年中，它成為Python數據技術棧中最重要的工具之一。

盡管它本身並不提供任何計算或數據分析工具，它的設計側重於在交互計算和軟體開發兩方面將生產力最大化。它使用了一種執行-探索工作流來替代其他語言中典型的編輯-編譯-運行工作流。它還提供了針對操作系統命令行和文件系統的易用介面。由於數據分析編碼工作包含大量的探索、試驗、試錯和遍歷，IPython可以使你更快速地完成工作。

第五、SciPy

SciPy是科學計算領域針對不同標准問題域的包集合。以下是SciPy中包含的一些包：

①scipy.integrate數值積分常式和微分方程求解器

②scipy.linalg線性代數常式和基於numpy.linalg的矩陣分解

③scipy.optimize函數優化器和求根演算法

④scipy.signal信號處理工具

⑤scipy.sparse稀疏矩陣與稀疏線性系統求解器

SciPy與Numpy一起為很多傳統科學計算應用提供了一個合理、完整、成熟的計算基礎。

第六、scikit-learn

scikit-learn項目誕生於2010年，目前已成為Python編程者首選的機器學習工具包。僅僅七年，scikit-learn就擁有了全世界1500位代碼貢獻者。其中包含以下子模塊：

①分類：SVM、最近鄰、隨機森林、邏輯回歸等

②回歸：Lasso、嶺回歸等

③聚類：K-means、譜聚類等

④降維：PCA、特徵選擇、矩陣分解等

⑤模型選擇：網格搜索、交叉驗證、指標矩陣

⑥預處理：特徵提取、正態化

scikit-learn與pandas、statsmodels、IPython一起使Python成為高效的數據科學編程語言。

③ ipython和pycharm有什麼區別

ipython和pycharm的區別：pycharm是一種python IDE，包含使用python語言開發時提高其效率的工具；ipython是一個python的互動式shell，內置了很多有用的功能和函數。

PyCharm是一種PythonIDE，帶有一整套可以幫助用戶在使用Python語言開發時提高其效率的工具，比如調試、語法高亮、Project管理、代碼跳轉、智能提示、自動完成、單元測試、版本控制。

（推薦教程：Python入門教程）

IPython 是一個 python 的互動式 shell，比默認的python shell 好用得多，支持變數自動補全，自動縮進，支持 bash shell 命令，內置了許多很有用的功能和函數。

IPython 為互動式計算提供了一個豐富的架構，包含：

• 強大的互動式 shell

• Jupyter 內核

• 互動式的數據可視化工具

• 靈活、可嵌入的解釋器

• 易於使用，高性能的並行計算工具

④ IPython於python的區別

IPython與標准Python的最大區別在於：
ipython是一種工具，會對命令提示符的每一行進行編號。
python是語言，ipython也是基於python開發的。

⑤ ipython好還是python好

IPython 是一個 python 的互動式 shell，比默認的python shell 好用得多，支持變數自動補全，自動縮進，支持 bash shell命令，內置了許多很有用的功能和函數。

IPython 是基於BSD 開源的。

IPython 為互動式計算提供了一個豐富的架構，包含：

·強大的互動式 shell

·Jupyter 內核

·互動式的數據可視化工具

·靈活、可嵌入的解釋器

·易於使用，高性能的並行計算工具

相關推薦：《Python基礎教程》

IPython的開發者吸收了標准解釋器的基本概念，在此基礎上進行了大量的改進，創造出一個令人驚奇的工具。在它的主頁上是這么說的：「這是一個增強的互動式Pythonshell。」具有tab補全，對象自省，強大的歷史機制，內嵌的源代碼編輯，集成Python調試器，%run機制，宏，創建多個環境以及調用系統shell的能力。

IPython與標准Python的最大區別在於，Ipython會對命令提示符的每一行進行編號。

python shell與ipython的區別：

（1）python shell不能在退出保存歷史；

ipython歷史記錄自動保存：

保存在history.sqlite文件下：

可用「_」、「__」、「___」調用最近三次記錄；

（2）python shell不支持tab自動補全；

ipython支持tab補全；

（3）python shell不能快速獲取類、函數信息；

ipython通過「？」顯示對象簽名、文檔字元串、代碼位置，通過「？？」顯示源代碼；

（4）python shell不能直接執行shell命令，需要藉助sys；

ipython通過「！」調用系統命令，如「！uptime」；

（5）其他

ipython有很多magic函數，可通過使用%lsmagic枚舉；

%run：運行python文件

%edit：使用編輯器打開當前函數編輯

%save：把某些歷史記錄保存到文件

%debug：激活debug程序

%timeit：獲得程序執行時間

%paste：獲取剪切板文件並執行，最好用%cpaste，可通過Ctrl+C中斷

⑥ 同一個漢字在python shell和ipython下編碼為什麼不同

stdin 和out指的是你控制台的輸入輸出時候的編碼
python在運行的時候內部存儲的編碼和這兩個沒關系，從你的環境上看，2.7系列默認是系統編碼，ipython默認是utf-8。我猜測這個應該可以根據文件的頭部編碼指定更改。
編碼問題在python3.3全部是utf-8了，而且對字元串、漢字都做了優化處理，個人覺得比較方便。

⑦ ipython notebook 和Python有什麼區別

ipython是一個 python 的互動式 shell，比默認的python shell 好用得多，支持變數自動補全，自動縮進，支持 bash shell 命令，內置了許多很有用的功能和函數。
IPython Notebook是web based IPython封裝，但是可以展現富文本，使得整個工作可以以筆記的形式展現、存儲，對於交互編程、學習非常方便。