ipython和python区别

1. jupyter 和 ipython的区别

在 IPython 的官网（ipython.org）上，介绍其的第一句话便是：IPython 是一个加强版的交互式 Shell。另外很多介绍 IPython 的文章也常以这句话开头，但这句话实在是等于没说。让 IPython 在各种 shell（IDE） 中脱颖而出，成为科学计算标配的，并不是按 Tab 键代码补完、以 % 开头的魔术命令这些大家都有的东西，而是与 matplotlib 这个数据可视化（绘图）包的深度集成以及奇妙的 Notebook。

IPython 较早的富 GUI 实现应该是 Qt Console。过去在标准 shell 里绘图时，弹出的绘图窗口会接管 shell 会话的控制权，你想继续输入命令就必须先把绘图窗口关掉。这对于希望同时实现可视化和交互式过程的数据分析用户来说显然是难以忍受的，因此 Qt console 站出来解决了这个问题。在 Qt console 中通过 matplotlib 绘制的图形会独立嵌于控制台中，并不影响你继续输入命令。

2011年，由 Brian Granger 领导的 IPython 团队开始开发一种基于Web技术的交互式计算文档格式，即 IPython Notebook。为什么说它是文档格式，而非计算工具呢？实际上它两者都是。Notebook 在交互上使用了 C/S 结构，它通过 Tornado 建立一个 shell 服务器，并使用浏览器作为客户端。另外 notebook 页面都被保存为 .ipynb 的类 JSON 文件格式。这种文件格式也是 Notebook 最吸引人的地方。

IPython Notebook 更详细的介绍在下面第二节中给出，第一节讲的是一些对 IPython 的各种实现通用的功能。

基础
Tab 键自动完成

和其他 IDE 差不多，自己多试试就好了

内省

在变量名或命令的前面或后面加一个 “？” 并执行，可以用于显示该对象的一些通用信息，如对象类型、文档字符串等，这就叫做对象内省。这种操作查看到的信息，尤其是函数和类的信息，比通常直接引用变量名然后回车所看到的（__repr__）要好。“？” 的另一个用法是可以搜索 IPython 的命名空间，配合通配符使用效果如下：

In [1]:import numpy as np
In [2]:np.*load*?
np.load
np.loads
np.loadtxt
np.pkgload
使用双问号“??”还可以查看对象的源代码（如果可见的话）。

魔术命令

在 IPython 的会话环境中，所有文件都可以通过 %run 命令来当做脚本执行，并且文件中的变量也会随即导入当前命名空间。即，对于一个模块文件，你对他使用 %run 命令的效果和 from mole import * 相同，除非这个模块文件定义了 main 函数（if __name__ == '__main__:'），这种情况下 main 函数还会被执行。

这种以 % 开头的命令在 IPython 中被称为魔术命令，用于加强 shell 的功能。常用的魔术命令有：

%quickref 显示 IPython 快速参考
%magic 显示所有魔术命令的详细文档
%debug 从最新的异常跟踪的底部进入交互式调试器
%pdb 在异常发生后自动进入调试器
%reset 删除 interactive 命名空间中的全部变量
%run script.py 执行 script.py
%prun statement 通过 cProfile 执行对 statement 的逐行性能分析
%time statement 测试 statement 的执行时间
%timeit statement 多次测试 statement 的执行时间并计算平均值
%who、%who_ls、%whos 显示 interactive 命名空间中定义的变量，信息级别/冗余度可变
%xdel variable 删除 variable，并尝试清除其在 IPython 中的对象上的一切引用
!cmd 在系统 shell 执行 cmd
output=!cmd args 执行cmd 并赋值
%bookmark 使用 IPython 的目录书签系统
%cd direcrory 切换工作目录
%pwd 返回当前工作目录（字符串形式）
%env 返回当前系统变量（以字典形式）

对魔术命令不熟悉的话可以通过 %magic 查看详细文档；对某一个命令不熟悉的话，可以通过 %cmd? 内省机制查看特定文档。值得一提的是，IPython 中使用 del 命令无法删除所有的变量引用，因此垃圾回收机制也无法启用，所以有些时候你会需要使用 %xdel 或者 %reset。

历史输入和输出变量

与标准 Shell 类似，IPython 中也可以通过 _ 和 __ 访问上一次和上上一次的输出。同时你肯定注意到了，IPython 中每一次的输入输出都有序号。访问历史 X 行输出的方法为：_X；访问历史 X 行输入的方法为：_iX。因为访问历史输出的使用概率较历史输入大很多，所以访问历史输出仅使用下划线加行号即可，同时为了区分，访问历史输入时需添加小写字母 “i”，代表 “in”。

In [24]:1+1
Out[24]:2

In [25]:_i24
Out[25]:'1+1'

In [26]:_24
Out[26]:2

Notebook
Notebook 的官方信息可以从 ipython.org/notebook 获得，不过好像被墙了。上不去的话也可以访问它的 github 页面，ipython/examples/Notebook 目录下有很多可供参考的内容。前面说过 Notebook 有一种 .ipynb 的文件格式，当你打开这个例程目录下的某个文件后，就能体会到 Notebook 的奇妙之处了。

演示文档

目前在各种 Python 研讨会上，一种流行的演示手段就是使用 IPython Notebook，然后再将 .ipynb 文件发布到网上以供所有人查阅。除了前面说过的可以内嵌 matplotlib 绘图外，Notebook 还同时提供了对 LaTex 和 MarkDown 的支持！

在此输入图片描述

如上图便展示了一个 .ipynb 文件的示例页面。其中一对 In Out 会话被视作一个单元，称为 cell。第一个 cell 里我写入的内容其实是：

##LaTex 演示
---
$Z=\frac{X-\bar{X}}{S}$
分别使用了 MarkDown 和 LaTex 的语法。按下 Shift + Enter 后这段内容就被渲染成了图片中的样子。

cell 特别亲切的地方在于：它可以作为一个类似“段落”的概念来进行编辑，不管是执行前还是执行后，而且既可以针对内容进行编辑，也可以对 cell 整体应用 、paste、cut 等操作，甚至还可以前后移动 cell 的位置。这带来的好处是，在大量试验性的交互操作过后，他不会像普通 shell 那样留下无数没用的 IO 内容。如果某条命令的输出不理想或者报了错，你就可以回头编辑后重新运行，或把它移位或干脆删掉。这样在很久的一段交互过程后，Notebook 留下的反而是一份干净整洁的文档。

.ipynb 文件使用的是一种类 JSON 的文本格式，就像这样：

"worksheets": [
{
"cells": [
{
"cell_type": "markdown",
"metadata": {},
"source": [
"##LaTex \u6f14\u793a\n",
"---\n",
"$Z=\\frac{X-\\bar{X}}{S}$"
]
},
这种交互式计算环境，对绘图、数学公式、简易排版语法的支持，还有一种方便的文档格式，共同帮助 Notebook 成为了 Python 科学计算的理想工具。另外这种使用浏览器和服务进程的 C/S 结构还暗含了一种远程连接可能，抛开安全性不谈的话，其在教学方面也有很高的潜力。

操作指南

当通过 IPython Notebook.exe 进入应用时，首先打开的是 Home 页面，地址一般为：http://127.0.0.1:8888/tree。Home 目录下会列出所有的历史文件记录，右上角则有一个 “New Notebook” 按钮可以新建一个会话。

在 .ipynb 文件的交互页面，需要注意的除了标准的 IPython 语法外，就是页面抬头处的菜单栏和工具栏了。Notebook 很贴心地提供了非常友好的帮助页面，因此本文不再赘述。基本看完这两个页面（内容很少）后就能对 Notebook 的操作方式了解的差不多。

2. Python和R语言的区别

如下：

Python入门简单，而R则相对比较难一些。R做文本挖掘现在还有点弱，当然优点在于函数都给你写好了，你只需要知道参数的形式就行了，有时候即使参数形式不对，R也能"智能地”帮你适应。这种简单的软件适合想要专注于业务的人。

Python几乎都可以做，函数比R多，比R快。它是一门语言，R更像是一种软件，所以python更能开发出flexible的算法。

Python适合处理大量数据，而R则在这方面有很多力不从心，当然这么说的前提是对于编程基础比较一般的童鞋，对于大牛来说，多灵活运用矢量化编程的话，R的速度也不会太差。

介绍

Python和R本身在数据分析和数据挖掘方面都有比较专业和全面的模块，很多常用的功能，比如矩阵运算、向量运算等都有比较高级的用法，所以使用起来产出比大。

这两门语言对于平台方面适用性比较广，linux、window都可以使用，并且代码可移植性还算不错的。对于学数理统计的人来说，应该大多用过MATLAB以及mintab等工具，Python和R比较贴近这些常用的数学工具，使用起来有种亲切感。

3. jupyter 和 ipython的区别是什么

IPython是一个交互式计算系统。主要包含三个组件:增加的交互式 "Python shell"，解耦的双过程通信模型，交互式并行计算的架构。支持变量自动补全。

Jupyter Notebook(此前被称为 IPython notebook)是一个交互式笔记本，支持运行 40 多种编程语言。

Jupyter Notebook 的本质是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和markdown。 用途包括:数据清理和转换，数值模拟，统计建模，机器学习等等 。

4. ipython好还是python好

IPython 是一个 python 的交互式 shell，比默认的python shell 好用得多，支持变量自动补全，自动缩进，支持 bash shell命令，内置了许多很有用的功能和函数。

IPython 是基于BSD 开源的。

IPython 为交互式计算提供了一个丰富的架构，包含：

·强大的交互式 shell

·Jupyter 内核

·交互式的数据可视化工具

·灵活、可嵌入的解释器

·易于使用，高性能的并行计算工具

相关推荐：《Python基础教程》

IPython的开发者吸收了标准解释器的基本概念，在此基础上进行了大量的改进，创造出一个令人惊奇的工具。在它的主页上是这么说的：“这是一个增强的交互式Pythonshell。”具有tab补全，对象自省，强大的历史机制，内嵌的源代码编辑，集成Python调试器，%run机制，宏，创建多个环境以及调用系统shell的能力。

IPython与标准Python的最大区别在于，Ipython会对命令提示符的每一行进行编号。

python shell与ipython的区别：

（1）python shell不能在退出保存历史；

ipython历史记录自动保存：

保存在history.sqlite文件下：

可用“_”、“__”、“___”调用最近三次记录；

（2）python shell不支持tab自动补全；

ipython支持tab补全；

（3）python shell不能快速获取类、函数信息；

ipython通过“？”显示对象签名、文档字符串、代码位置，通过“？？”显示源代码；

（4）python shell不能直接执行shell命令，需要借助sys；

ipython通过“！”调用系统命令，如“！uptime”；

（5）其他

ipython有很多magic函数，可通过使用%lsmagic枚举；

%run：运行python文件

%edit：使用编辑器打开当前函数编辑

%save：把某些历史记录保存到文件

%debug：激活debug程序

%timeit：获得程序执行时间

%paste：获取剪切板文件并执行，最好用%cpaste，可通过Ctrl+C中断

5. r语言和python的区别是什么

1、数据结构复杂程度不同

R中的数据结构非常的简单，主要包括向量一维、多维数组二维时为矩阵、列表非结构化数据、数据框结构化数据。

Python 则包含更丰富的数据结构来实现数据更精准的访问和内存控制，多维数组。

2、适用场景不同

R适用于数据分析任务需要独立计算或单个服务器的应用场景。

Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。

3、数据处理能力不同

有了大量针对专业程序员以及非专业程序员的软件包和库的支持，不管是执行统计测试还是创建机器学习模型，R语言都得心应手。

Python最初在数据分析方面不是特别擅长，但随着NumPy、Pandas以及其他扩展库的推出，它已经逐渐在数据分析领域获得了广泛的应用。

4、开发环境不同

对于R语言，需要使用R Studio。

对于Python，有很多Python IDE可供选择，其中Spyder和IPython Notebook是最受欢迎的。

6. 什么是python解释器

什么是python解释器？
当我们编写Python代码时，我们得到的是一个包含Python代码的以.py为扩展名的文本文件。要运行代码，就需要Python解释器去执行.py文件。
由于整个Python语言从规范到解释器都是开源的，所以理论上，只要水平够高，任何人都可以编写Python解释器来执行Python代码（当然难度很大）。事实上，确实存在多种Python解释器。
CPython
当我们从Python官方网站下载并安装好Python 2.7后，我们就直接获得了一个官方版本的解释器：CPython。这个解释器是用C语言开发的，所以叫CPython。在命令行下运行python就是启动CPython解释器。
CPython是使用最广的Python解释器。教程的所有代码也都在CPython下执行。
IPython
IPython是基于CPython之上的一个交互式解释器，也就是说，IPython只是在交互方式上有所增强，但是执行Python代码的功能和CPython是完全一样的。好比很多国产浏览器虽然外观不同，但内核其实都是调用了IE。
CPython用>>>作为提示符，而IPython用In [序号]:作为提示符。
PyPy
PyPy是另一个Python解释器，它的目标是执行速度。PyPy采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显着提高Python代码的执行速度。
绝大部分Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到PyPy下执行，就需要了解PyPy和CPython的不同点。
Jython
Jython是运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。
IronPython
IronPython和Jython类似，只不过IronPython是运行在微软.Net平台上的Python解释器，可以直接把Python代码编译成.Net的字节码。
小结
Python的解释器很多，但使用最广泛的还是CPython。如果要和Java或.Net平台交互，最好的办法不是用Jython或IronPython，而是通过网络调用来交互，确保各程序之间的独立性。
本教程的所有代码只确保在CPython 2.7版本下运行。请务必在本地安装CPython（也就是从Python官方网站下载的安装程序）。
此外，教程还内嵌一个IPython的Web版本，用来在浏览器内练习执行一些Python代码。要注意两者功能一样，输入的代码一样，但是提示符有所不同。另外，不是所有代码都能在Web版本的IPython中执行，出于安全原因，很多操作（比如文件操作）是受限的，所以有些代码必须在本地环境执行代码。
相关推荐：《Python教程》以上就是小编分享的关于什么是python解释器的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！