ipad可以使用python编程吗,ipad可以用来学python

　　其实不光是iPad，手机也是。

　　痛点

　　我组织过几次在线编程研讨会，带着同学用Python处理数据科学问题。

　　最头疼的一个问题是运行环境的安装。

　　其实我在参加研讨会之前就做了认真的准备。

　　例如，在集成环境中，选择了用户友好的Anaconda。

　　代码在我的Macbook电脑上运行，但是没有问题。即使你让它在学生的Windows 7上运行，也没有问题。这是上传到Github的。

　　发布的教程文章还详细介绍了软件包的安装。

　　我们还录制了名为Anaconda的Python运行时环境的安装和运行视频。

　　然而，在研讨会现场遇到的问题仍然五花八门。

　　和操作系统。比如你可能用Windows 10。说实话，我真的没用过。即使你仔细看表面，你也找不到安装的Anaconda文件夹。

　　还有密码。在某些操作系统中，默认的中文代码可能是UTF 8或GBK。和中文文本一样。这里一切正常，但是你那里乱码。

　　和工具包路径。在参加研讨会之前，您可能已经阅读了我的几个教程，并且安装了Python版anaconda。来到现场，一看到需要Python 3.6的版本，就安装新的。因此，您不知道Python和pip命令是从哪个包运行的，也不知道这些包安装在哪里。除了虚拟环境的构成，你还会烦躁。

　　还有网络拥塞的问题。有时需要现场安装调用庞大的软件包，几十台电脑“备用3354”争夺有限的Wifi带宽。结果可想而知。

　　痛定思痛，我决定改变现状。

　　当前教程只提供基本源代码。对于很多初学者来说，这是不够的。

　　很多同学在安装依赖包的路上摔倒了，干脆放弃了。

　　有许多方法可以解决这个问题。例如，为用户录制代码并运行视频。

　　但是，正如《MOOC教学，什么最重要？》的文章所说，反馈是学习过程中最重要的事情。

　　你需要运行代码并在第一时间得到结果的反馈。

　　在此基础上，你还必须能够修改代码，比较执行前后结果的差异。

　　必须给你提供一个可以直接执行的环境。

　　安装后，上述烦恼自然会消失。

　　这可能吗？

　　我研究过。没事的。

　　你的设备可以有一个现代化的浏览器(包括但不限于谷歌chrome、火狐、Safari、微软Edge等。).

　　IE 8.0？

　　那不行，直接升级！

　　读到这里，你应该想明白了。因为只选择了浏览器，没有选择操作系统，不言而喻，Windows 10也可以使用iPad执行代码。

　　尝试

　　请打开浏览器，输入此链接(http://t.cn/R35fElv)。

　　看看会发生什么？

　　在这里用iPad演示一下。

　　首先会出现启动界面。请等十秒钟。

　　然后，你会看到你熟悉的Python代码执行界面。

　　这个接口是Jupyter实验室的。

　　这可以理解为Jupyter笔记本的扩展版。这有以下特点。

　　代码直接用鼠标拖动；

　　您可以打开多个笔记本并使用不同内核浏览器标签。

　　Markdown编辑器提供实时渲染；

　　完整的文件浏览器；

　　快速浏览CSV数据文件

　　……

　　图左侧的列显示了工作目录中的所有文件。

　　右边是我们想要使用的ipynb文件。

　　为了证明这不是开玩笑，单击右边代码上方工具栏上的Run按钮。

　　单击以查看当前代码单元的结果。

　　点击后，你会看到结果已经成功渲染。

　　图像也正常显示。

　　即使是下面这些需要一定计算量的可视化结果也没问题。

　　为了证明这不是魔术，你可以在一个新的单元格中写一行output语句。

　　让Python输出你的名字。

　　如果你叫我查克，就这样写：

　　打印(「你好，查克！")

　　换成自己的名字，看看输出结果是否正确？

　　其实不就是iPad吗？

　　如果你够勇敢的话，一部手机是可以的。

　　事情是这样的。

　　过程

　　我来解释一下这种效果是如何产生的。

　　我们需要使用一个叫做mybinder的工具。这有助于将github上的代码库(repo)快速转换为可执行环境。

　　请注意，mybinder为我们提供了云设施——计算和存储资源。所以，即使很多用户同时在线使用同一个转码环境，也不会产生冲突。

　　首先，让我们看看如何为mybinde准备一些可用的东西。

　　成功转换的r代码仓库。

　　我给你提供的样本在这里(http://t.cn/R35MEqk):

　　对了，这个样本来自我的数据科学系列教程《如何用Python处理自然语言？（Spacy与Word Embedding）》。感兴趣的同学可以点击链接查看原文。

　　在这个GitHub页面显示的文件列表中，您需要注意以下3个文件：

　　demo.ipynb

　　environment.yml

　　后期构建

　　Demo.ipynb是Jupyter笔记本文件，包含您在上一节中看到的源代码。首先，您需要在本地安装相关软件包，并运行测试才能通过。

　　如果你的本地操作出现错误，如果放在云端，就很难正常运行。

　　environment.yml文件非常重要。它告诉mybinder如何为代码运行准备环境。

　　让我们打开它，看看这个文件的内容：

　　依赖项：-python=3-pip:-spacy-ipykernel-scipy-numpy-scikit-learn-matplotlib-pandas-thinc

　　这个文件首先告诉我的binder，你的Python版本。我们用的是3.6版。所以你只需要指定python=3。Mybinder会自动为您下载并安装最新版本。

　　然后这个文件解释了哪些包需要使用pip工具来安装。我们需要列出所有相关的安装包。

　　以上是我之前在教程里一直给你讲解的准备步骤。

　　但这还不是全部，因为mybinder刚刚给你安装了一些软件依赖。

　　这里还有两个步骤需要处理：

　　为了分析语义，我们需要调用预先训练好的Word2vec模型，这个模型需要mybinder提前为我们下载。

　　打开Jupyter笔记本后，应该使用的内核名称是王菽一。这个内核还没有在Jupyter中注册。我们需要我的活页夹来帮我们做。

　　为了完成以上两个步骤，您需要准备最后一个postBuild文件。

　　其内容如下：

　　python -m spacy下载en python -m spacy下载en _ core _ web _ LG python-m ipykernel install-user-name=王菽一

　　和它的名字一样。是mybinder根据environment.yml安装完依赖项build后依次执行的命令，如果你的代码需要其他命令提供环境支持，也可以放在这里。

　　至此，你的准备工作完成了。

　　魔术表演正式开始。

　　请打开mybinder的网站(https://mybinder.org/)。

　　在“github repo或URL”一栏中，填写我们的github代码库的链接，即：

　　https://github.com/wshuyi/demo-spacy-text-processing

　　我们想一进入界面就自动打开demo.ipynb，所以需要在“笔记本文件路径(可选)”一栏填写demo.ipynb。

　　此时，您会在“复制下面的URL并与他人共享您的活页夹：”一栏中找到您的代码运行环境的URL。

　　https://my binder . org/v2/GH/wshuyi/demo-spacy-text-processing/master？filepath=demo.ipynb

　　单击右边的“复制”按钮，将其保存在记事本中。以后找到你转换后的操作环境就靠它了。

　　正确保存地址后，点击“启动”按钮。

　　根据相关安装包的数量和其他因素，您需要等待的时间会有所不同。但是第一次搭建只需要一些时间。

　　以后每次执行调用，都会很快。

　　构建完成后，mybinder会自动为我们打开相应的运行环境。

　　很有成就感！

　　经过测试，我们可以正常运行代码，这证明了我们的成功。

　　但是你会发现，不！

　　老师，你刚才用iPad展示的，不就是Jupyter实验室的高级版吗？怎么又变成Jupyter笔记本了？

　　我也想要高级版！

　　别担心。

　　看看您当前的链接地址：

　　https://my binder . org/v2/GH/wshuyi/demo-spacy-text-processing/master？filepath=demo.ipynb

　　您只需要做一点小小的调整，包括：

　　？文件路径=

　　替换为：

　　？urlpath=lab/tree/

　　被替换的链接是：

　　https://my binder . org/v2/GH/wshuyi/demo-spacy-text-processing/master？urlpath=lab/tree/demo.ipynb

　　将它输入浏览器并查看结果：

　　这样可以吗？

　　原则

　　你觉得我的binder很黑科技吗？

　　其实不是的。

　　它只是将现有的几项技术联系起来。

　　这大概就是“积木创新”的一个例子。

　　让我们来看看mybinder的说明：

　　如你所见，最关键的技术是docker的使用。

　　Docker是什么？

　　简单来说，Docker是一个保障工具，可以在不同的平台上成功执行相同的代码。

　　你犹豫不决。这不是Java吗？

　　没错，Java的口号就是一次编码，随处运行。

　　它使用虚拟机来确保这种能力。

　　但是，如果你经常使用Java开发的工具，你应该知道痛点是什么。

　　最起码你要对Java程序的运行速度有所体会。

　　上图中，虚拟机在左边，Docker在右边。

　　Docker不仅比Java虚拟机效率高，而且支持多种编程语言。

　　至于其他好处，我们就不展开了。否则听起来像广告。

　　实际上，将github代码库转换成docker映像的工作并不是mybinder自己完成的。

　　它调用的是另一个工具，叫做Repo 2 Docker(https://github . com/jupyter/Repo 2 Docker)。

　　而且你的浏览器可以执行Python代码，因为Jupyter Notebook(或Lab)本来就是建立在“浏览器/服务器”(B/S)结构上的。

　　如果您已经在本地计算机上安装了Anaconda，那么请看一下在本地执行这条语句的情况：

　　朱庇特实验室

　　会发生什么？

　　是的，它启动一个服务器，然后打开你的浏览器与这个服务器通信。

　　Jupyter本身的这种设计使得它的扩展极其方便。

　　无论Jupyter服务器是运行在你本地的笔记本上，还是运行在另一个大洲的机房里，对你来说执行Python代码都没有本质的区别。

　　另外，如果你认为mybinder只能让你在浏览器上运行Python代码，那你就低估了它。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。