Jupyter 引入工作流
Jupyter 引入工作流 前 平时遇到一些场景需要使用代码演示的时候，一个个独立的py文件导致项目非常的混乱和松散。经过了Jupyter的极简入门之后，决定把它引入到自己的日常工作流。 用过才知有多香。 简介 正如百科中提到的，ipynb 的文件可以实现 python代码以及 markdown 的混合编写。以及可以对python 的代码进行分段的运行和调试。此外 pyplot之类图形化的lab 也可以直接在执行的结果中展示出来，十分的简单和方便。 Jupyter Notebook 的主要优势在于它的交互性和可重复性。它可以让用户轻松地探索数据、测试假设、创建模型并与他人共享自己的分析结果。此外，Jupyter Notebook 还提供了一些强大的可视化工具和数据处理库，使得数据科学家和研究人员可以更加高效地进行数据分析工作。 使用案例 写在前面 这里列出一个自己的使用真实案例，之后对自己用到的一些要点来进行总结。 这里只总结python 部分，markdown 部分和平时使用无太大差异。功能上支持了更多的公式表达。 这部分的代码非常的丑陋（冗余），是因为编写的时候就是奔着演示和单步执行去的。所以性能根本没有考虑。都是需要什么数据加什么数据，所以导致代码整体是不怎么优雅的 背景说明 因为有反馈是某个业务接口的请求存在异常的长耗时的情况，所以就使用了 curl 命令来请求并且输出请求的各项耗时。 一共14w条数据 curl -o /dev/null -s -w "time_namelookup: %{time_namelookup}\ntime_connect: %{time_connect}\ntime_appconnect: %{time_appconnect}\ntime_redirect: %{time_redirect}\ntime_pretransfer: %{time_pretransfer}\ntime_starttransfer: %{time_starttransfer}\ntime_total: %{time_total}\n" "https://api.xxx.xxx/perp/v1/order/cancel" time_namelookup：从开始到域名解析完成时的耗时 time_connect：从开始到 TCP 连接建立完成的耗时 time_appconnect：从开始到 TLS 连接建立完成的耗时 time_redirect：多次重定向（如果有）的耗时 time_pretransfer：从开始到准备发送请求消息前的耗时 time_starttransfer：从开始到服务器准备返回第一个字节时的耗时 time_total：整个 HTTP 请求操作耗时 初始化部分 在notebook中代码是可以进行分段执行的，但是lib和 变量是共享的。所以在习惯上会把一些初始化的包引入单独出来。 !pip install matplotlib !pip install numpy import numpy import matplotlib....