我一直看到人们%pylab
在各种代码片段中使用,特别是在iPython中。但是,我看不到“%pylab
学习Python”(以及我拥有的其他几本Python书)中提到的任何地方,并且我不确定这意味着什么。
我敢肯定答案很简单,但是有人能启发我吗?
%pylab
是一个 神奇的功能 在 IPython中 。
ipython中的魔术函数始终以百分号(%)开头,后跟一个小文本字符串,不得有任何空格。本质上,ipython魔术函数定义了对于交互式工作特别有用的快捷方式,例如,让您了解魔术函数如何在python中工作,这是我的一些最爱:
查看cwd目录内容:
%ls
要使用空名称空间在ipython中运行脚本,请输入空格,然后输入脚本名称:
%run
执行代码段(尤其是多行代码段,通常会引发_IndentationError):_
%paste
在 %pylab
IPython提示符下输入magic函数时,它将触发Matplotlib中各种模块的导入。
哪些模块?好吧,那些包含在 pylab 接口下。
令人敬畏的Matplotlib绘图库具有 两个
截然不同的接口:pythonic接口和原始的类似于MATLAB的接口,旨在在交互式提示下进行绘图。
前者通常是这样导入的:
from matplotlib import pyplot as PLT
确实,pyplot具有自己的魔术python魔术功能
%pyplot
为什么要使用两个不同的接口?Matplotlib的原始界面是pylab;只是后来才添加了pythonic接口。在项目开始时,脚本和应用程序开发并不是Matplotlib的主要用例,在python
shell中进行绘图是。
显然, John Hunter(Matplotlib的创建者)想在python中包括交互式绘图,因此他向Fernando
Perez(FP)的IPython项目提交了补丁。FP当时是一名博士生,并通知JH他一段时间无法复查该路径。结果,JH创建了Matplotlib。重要的是Matplotlib最初是基于外壳的绘图方案。
pylab接口确实更适合交互式工作:
from pylab import *
x, y = arange(10), cos(x/2)
plot(x, y)
show()
并使用pyplot界面:
from matplotlib import pyplot as PLT
import numpy as NP
x, y = NP.arange(10), NP.cos(x/2)
fig = PLT.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x, y)
PLT.show()
问题内容: 什么是selenium? 当您打开Selenium的官方页面时,您首先读到的是“什么是Selenium?”中的“ Selenium automates browser”。部分。“selenium的哪个部分适合我?”部分 下面提供了Selenium WebDriver和Selenium IDE之间的选择。由此,我推断出Selenium是一组工具,并且该集合包括IDE,WebDriver
硒是什么? 当你打开Selenium的官方页面,首先看到的是“什么是Selenium”中的“Selenium自动浏览器”。节。“硒的哪一部分对我合适?”下面提供了Selenium WebDriver和Selenium IDE之间的选择。由此,我推断Selenium是一个工具集合,该集合包括IDE、WebDriver API(语言绑定)、网格、Selenium独立服务器、浏览器驱动程序。一个人必须下
本文向大家介绍什么是事务?什么是锁?相关面试题,主要包含被问及什么是事务?什么是锁?时的应答技巧和注意事项,需要的朋友参考一下 答:事务就是被绑定在一起作为一个逻辑工作单元的SQL语句分组,如果任何一个语句操作失败那么整个操作就被失败,以后操作就会回滚到操作前状态,或者是上有个节点。为了确保要么执行,要么不执行,就可以使用事务。要将有组语句作为事务考虑,就需要通过ACID测试,即原子性,一致性,隔
我在这里读到 写入共享引用类型<代码> 理解<代码> 在另一个地方,我阅读了以下代码: 结构人中的a是什么 名称的含义是什么: 如果想避免使用
我几天前听说了Docker的事,想过去看看。 但事实上,我不知道这个“容器”的用途是什么? 什么是容器? 它能取代一个专门用于开发的虚拟机吗? 简单地说,在公司中使用Docker的目的是什么?主要的优势?
本文向大家介绍什么是batch normalization,原理是什么?相关面试题,主要包含被问及什么是batch normalization,原理是什么?时的应答技巧和注意事项,需要的朋友参考一下 Batch Normalization就是在训练过程,每一层输入加一个标准化处理。 深度神经网络之所以复杂有一个原因就是由于在训练的过程中上一层参数的更新使得每一层的输入一直在改变。所以有个办法就是去