Jupyter 是数据分析领域非常有名的开发环境,使用 Jupyter 写数据分析相关的代码会大大节约开发时间。
设想这样一个场景:别的部门的同事传给你一个数据分析的模块,用于实现对数据的高级分析。模块里面有上百个函数。
如果直接写 Python 文件来调用数据分析模块,那么使用方法非常简单:
from analyze import FathersAnalyzer data = [...] father = FathersAnalyzer(data) result = father.analyze() print(f'分析结果为:{result}')
现在,你需要使用 Jupyter 来调用这个分析模块。你应该怎么在 Jupyter里面调用?
你可能会觉得,这还不简单吗?直接把这个模块的代码与 Jupyter Notebook 的 .ipynb
文件放在一起,然后在 Jupyter 里面像导入普通模块那样导入即可,如下图所示:
那么现在问题来了,如果我此时修改了 analyze.py
文件,会出现什么情况呢?
我们改一下看看,如下图所示。
重新运行这个 Cell 中的代码,代码中虽然有 from analyze import FathersAnalyzer
,看起来像是重新导入了这个模块,但是运行却发现,它运行的是修改之前的代码。
这是因为,一个 Jupyter Notebook 中的所有代码,都是在同一个运行时中运行的代码,当你多次导入同一个模块时,Python 的包管理机制会自动忽略后面的导入,始终只使用第一次导入的结果(所以使用这种方式也可以实现单例模式)。
那么如果我在修改了被导入的包以后,想重新导入它怎么办呢?有3种方案:
importlib
但这种方案弊端也很明显——除非你按顺序运行每一个 Cell,否则,你的代码会变成下图这样:
在每一个 Cell 里面都需要 重新加载一次分析模块,否则,很有可能在你单独运行某一个 Cell 的时候,用的是老的代码,就会导致难以察觉的 bug。
使用 Jupyter 自带的 %autoreload
:
%load_ext autoreload %autoreload 1 %aimport analyze data = 123 importlib.reload(analyze) father = analyze.FathersAnalyzer(data) result = father.analyze() print(result)
运行效果如下图所示:
其中关键的代码有三行:
%load_ext autoreload %autoreload 1 %aimport analyze
这三行代码只有在 Jupyter 里面才能正常运行,在 普通的.py 文件里面这样写会报错。它们的作用是:第1行启动 autoreload
机制。第2行,设置自动加载通过 %aimport
导入的模块。第3行使用 %aimport
导入 analyze
模块。
这样写以后,任意一个 Cell 运行,所有被 %aimport
导入的模块都会被重新加载一次。从而让你每次都使用最新的代码。
当然,你还可以进一步偷懒,把特殊代码缩减为2行:
%load_ext autoreload %autoreload 2
%autoreload
后面的参数被设置为2时,每次运行任意一个 Cell,都会自动重新加载所有 import xxx
导入的模块。这样做的代价是,运行会慢一些。
总结
以上所述是小编给大家介绍的在 Jupyter 中重新导入特定的 Python 文件的方法,希望对大家有所帮助!
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。