数据分析之在线JupyterNotebook使用小技巧｜Python技能树测评

大家好，我是小小明。

受CSDN官方邀请，前来测评《python 技能树》 ，活动地址：https://bbs.csdn.net/topics/600937310

XDM，一起来测评，一起来拿奖吧！奖品多多，福利多多噢~

首先，我们打开内测技能树页面：

众所周知，jupyter是数据分析领域最常用的工具，所以我直接进入数据分析版块。

虽然目前看到选项过于单薄，但是不耽误我们玩玩csdn的jupyter。

下面我们就点开第一个模块的第一题开始玩玩吧：

我去，虽然只是一道选择题，但实在是已经吓死宝宝了，这代码也太长了点。那么先随便选个试试：

嘿嘿，选择A点提交后，在线Jupyter的入口就出现了。看我怎么跑代码干翻你这道 《大家来找茬》 的题目。

点击前往就出现了，服务启动的页面：

等待启动完毕后，就进入到了JupyterNoteBook的开发页面：

作为一名资深jupyter玩家，这点功能和插件显然是不满足要求的，下面我们看看如何安装一些插件：

给JupyterNoteBook安装插件

首先点击open：

然后进入Nbextensions插件选项卡，我将我最需要的三个插件打勾：

对于Autopep8这玩意，我们需要pip装点库，回到前面的代码界面执行：

!pip install autopep8

这是因为我上次使用时已经下载过有缓存，所以直接就安装好了。

安装完成后刷新网页刚才选择的插件就会生效。然后给代码框加个默认行号显示：

展开目录

点开目录按钮后，就可以编辑Markdown文本：

如何将一个代码节点转换为Markdown节点呢？ 按下快捷键H即可打开快捷键菜单：

这意味着，只需要记住H快捷键，其他快捷键都通过这个面板随时查询。

可以看到按下ESC退出进入命令行模式后，按下快捷键M即可将其转换为Markdown文本节点，数字快捷键1~6即可将将其转换对应等级的标题。

复制代码并运行

点击右上角的复制按钮即可复制代码：

然后粘贴到JupyterNotebook中：

粘贴完，代码是这种使用制表符/t缩进的形式，现在按下快捷键Ctrl+L即可启动autopep8代码格式化：

可以看到格式化之后的代码都是空格缩进的形式。

根据右上角的提示即可运行代码，运行后：

报错，显然我们可以排除A选项。

三种运行方式的快捷键见Cell菜单：

分别表示只运行当前单元格、运行并选择下一个单元格 和 运行并向下插入一个单元格。

大家可以都试试，感受一下区别。

复制B选项的代码并运行后也报错：

运气比较好已经排除两个选项了，继续干C和D：

D选项居然正确了：

咱们就选个D试一下？
✅Good，回答正确了：

差异代码检测

下面我们继续下一题：

这次代码终于简化多了。这次全部复制粘贴到jupyter运行后发现，A和C报错，B和D正确运行。

对于B和D这两个选项的代码，我看了好几眼还真看不出区别在哪里，太像 《大家来找茬》 的找茬游戏了。

不过没有关系，咱们有JupyterNotebook来运行Python代码，标准库difflib让差异无处遁形：

import difflibtext1 = """import csvdef dump_list(file, list):    with open(file, "w", newline="") as csvfile:        spamwriter = csv.writer(csvfile, delimiter=" ",                                quotechar="|", quoting=csv.QUOTE_MINIMAL)        for row in list:            spamwriter.writerow(row)def load_list(file):    with open(file, "r", newline="") as csvfile:        spamreader = csv.reader(csvfile, delimiter=" ", quotechar="|")        for row in spamreader:            yield rowif __name__ == "__main__":    rows = [        ["Spam"] * 5 + ["Baked Beans"],        ["Spam", "Lovely Spam", "Wonderful Spam"]    ]    list_file = "/tmp/list.csv"    dump_list(list_file, rows)    rows = load_list(list_file)    for row in rows:        for cell in row:            print(cell)"""text2 = """import csvdef dump_list(file, list):    with open(file, "w", newline="") as csvfile:        spamwriter = csv.writer(csvfile, delimiter=" ",                                quotechar="|", quoting=csv.QUOTE_MINIMAL)        for row in list:            spamwriter.writerow(row)def load_list(file):    with open(file, "r", newline="") as csvfile:        spamreader = csv.reader(csvfile, delimiter=" ", quotechar="|")        for row in spamreader:            yield rowif __name__ == "__main__":    rows = [        ["Spam"] * 5 + ["Baked Beans"],        ["Spam", "Lovely Spam", "Wonderful Spam"]    ]    list_file = "/tmp/list.csv"    dump_list(list_file, rows)    rows = load_list(list_file)    for row in rows:        while cell in row:            print(cell)"""def diff_compare(text1, text2, diff_out="diff_result.html", max_width=30, numlines=0, show_all=False):    text1 = [row.rstrip() for row in text1.splitlines(keepends=True)]    text2 = [row.rstrip() for row in text2.splitlines(keepends=True)]    d = difflib.HtmlDiff(wrapcolumn=max_width)    with open(diff_out, "w", encoding="u8") as f:        f.write(d.make_file(text1, text2, context=not show_all, numlines=numlines))diff_compare(text1, text2, numlines=3)

运行后，打开生成的html文件：

原来差异在一个选项是for，一个选项是while。当然选for的这个选项啦。
也可以使用IPython.display.HTML直接在jupyter中显示网页，代码：

from IPython.display import HTMLdef diff_compare(text1, text2, diff_out="diff_result.html", max_width=70, numlines=0, show_all=False):    text1 = [row for row in text1.splitlines(keepends=True)]    text2 = [row for row in text2.splitlines(keepends=True)]    d = difflib.HtmlDiff(wrapcolumn=max_width)    return d.make_file(text1, text2, context=not show_all, numlines=numlines)diff_html = diff_compare(text1, text2, numlines=1)HTML(diff_html)

效果：

直接在单元格下方展示差异情况。

总体测评

以上就是个人体验Jupyter notebook的全过程，个人感觉还是挺方便的。几乎跟本地自己安装的Jupyter一样的用，想装啥插件也都可以直接装。

不过，我有点想吐槽这个题，根本就不是技术题啊，纯粹就是PK技术达标的情况下谁的眼力好啊。

不过呢，咱们还是可以通过代码差异查找软件，找出差异后进行对比分析，从而快速解题。代码差异查找除了使用我上面所用的代码还可以使用Beyond Compare这个软件。

最后感谢CSDN，这个Jupyter服务虽然还处于VIP内测阶段，但是已经挺好用了，相信未来还会越来越好。等未来正式发布的时候，一定非常好用后，没有VIP的用户们也可以使用该功能。