一：python解释器与IPython基础

1.python解释器

    python是一种解释性语言。python解释器通过一次执行一条语句来运行程序。
    在安装python时，默认的是官方版本的解释器：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，以>>>为提示符。
    但是大部分做数据分析或科学计算的人士使用得多的是Ipython解释器和Jupyter notebook。
    CPython与IPython都是通过输入exit()退出的。

2.IPython基础

    IPython解释器是基于CPython之上的一个交互式解释器，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。以In [序号]:为提示符，交互式与可读性比CPython略强。
    像启动CPython一样，在命令行中输入ipython命令可以启动IPython命令行：

    IPython将大多数Python对象格式化为更可读，更美观的形式。可以不用print()打印，下面是比较：

二：Jupyter notebook

    Jupyter项目的主要组件是notebook，以一个web笔记本，一种交互式的文档类型。有Ipython的功能，但是是一种更高级的数据分析的环境。Python的Jupyter内核(交互式计算协议的实现)使用Ipython系统进行内部活动。
    在终端中输入jupyter notebook启动Jupyter，或者直接在某个浏览器中输入http://localhost:8888/，这里要注意，我们打开时要在项目的文件夹下打开Jupyter：

在右上角选择New后选择Python3就可以新建一个笔记本：

输入代码后可以用快捷键Shift+Enter执行：

    当保存后，会自动生成一个后缀名为.ipynb的文件，包含输入输出的所有内容。可以被其他Jupyter用户载入，编辑：

三：一些常用技巧

1.Tab补全

   其实，IPython与标准的Python解释器区别没有那么大，只是增加了一些功能。其中一个主要的提升是tab补全功能。
   在命令行输入表达式时，按下Tab键即可为任意变量(对象，函数等)搜索命名空间(命名空间可将范围缩小，还可以避免同名冲突)，还可以获得任一计算机路径，进行匹配。
在IPython中 ：
    直接按Tab是寻找包含字符串开头的变量：

    按下"."+Tab是对方法，属性的名称进行补全，会自动找到相符合的方法和属性：

    这里要注意： 在IPython中默认隐藏了以下划线开始的方法和属性，需要查看的话就需要先输入下划线 ：

在Jupyter notebook中 ：
自动补全是在下拉选项中展现：

使用Tab补全可以节省不少时间。

2.内省

   什么是内省？
    内省是指计算机程序在运行时检查对象类型的一种能力，通常也可以称作运行时类型检查。下面是实例。
   可以用(?)显示关于对象的一些信息，函数的话会显示文档字符串：

用(??)可以显示函数的源代码：

内省还可以显示所有匹配通配符表达式的命名空间：

3.中断代码

   在任意代码运行时Ctrl+C，都会引起keyboardInterrupt，将导致所有的Python程序立即停止。但是一些特殊情况下可能不能停止。

4.复制代码

   在IPython中，复制代码可以用到%paste与%cpaste魔法函数。%paste会获得剪贴板的所有文本，并作为一个代码块去运行。
   %cpaste类似，不同的是会给出一个特殊的命令行，需要去手动粘贴代码，方便进行检查。
   在Jupyter notebook可以直接将代码复制粘贴到代码单元。

5.快捷键

   在IPython与Jupyter notebook中，有很多快捷键，这里就不一一介绍了，大家可以自行查看。

6.魔法函数

   IPython的特殊命令被称为魔法命令，这些命令可以让大家方面使用IPython，前缀符是%。可以通过%automagic启动/关闭自动魔法，就是可以不加%使用。
   可以用变量把魔法方法的输出复制到某个变量中。
下面介绍几种常见的魔法方法：
%quickref 显示IPython快速参考卡
%magic 显示所有可用魔法方法的详细文档
%debug 从最后发生报错的底部进入交互式调试器
run 在IPython中运行一个脚本
%time 报告单个语句执行时间
%timeit 多次运行单个语句计算平均运行时间，可用于估计代码最低运行时间
   还有上面的==%paste 与 %cpaste==，以及一些其他的方法，在下面用到时会介绍。

有关数据分析的基础已经了解完了，解析来我们就要进入数据分析的海洋了。