[PYTHON] Führen Sie ein Skript von Jupyter aus, um es zu verarbeiten
Ich habe im Artikel Letztes Mal einen Kommentar erhalten, daher werde ich Ihnen zeigen, wie Sie ein Skript von Jupyter ausführen. Ihre Muschelkunst wird mit Jupyter noch mehr glänzen. : star2:
Verwenden Sie cell magic %% script, um das als Argument übergebene Skript auszuführen. Zum Beispiel führt "%% script python3.7" Python3.7 aus und "%% script bash" führt bash aus. Geben Sie den Inhalt des Skripts direkt in die Zelle ein.
Ich werde versuchen, Bash auszuführen.
%%script bash
for i in 1 2 3 ; do
echo $i
done
1
2
3
Ich konnte die in der Zelle von Jupyter geschriebene Bash ausführen. Der Vorteil der Ausführung mit Jupyter besteht darin, dass Sie die Ergebnisse verarbeiten und visualisieren können.
Lassen Sie uns als Beispiel ein Skript ausführen, um die Anzahl der Prozesse zu ermitteln und das Ergebnis mit Pandas zu visualisieren.
%%script bash --out bash_out
echo "date,procs"
for i in `seq 10` ; do
echo "`date +%Y-%m-%d-%H:%M:%S`,`ps -ef | grep -cv grep`"
sleep 5
done
Sie können es in einem Python-Objekt mit dem Namen speichern, den Sie in der Option --out übergeben haben.
print(bash_out)
date,procs
2019-12-06-10:49:21,337
2019-12-06-10:49:26,340
2019-12-06-10:49:31,340
2019-12-06-10:49:36,342
2019-12-06-10:49:41,340
2019-12-06-10:49:46,341
2019-12-06-10:49:51,344
2019-12-06-10:49:56,343
2019-12-06-10:50:01,342
2019-12-06-10:50:06,341
Laden wir dies in den DataFrame von Pandas.
from io import StringIO
import pandas as pd
df = pd.read_csv(StringIO(bash_out), index_col=["date"], parse_dates=["date"])
print(df)
procs
date
2019-12-06 10:49:21 337
2019-12-06 10:49:26 340
2019-12-06 10:49:31 340
2019-12-06 10:49:36 342
2019-12-06 10:49:41 340
2019-12-06 10:49:46 341
2019-12-06 10:49:51 344
2019-12-06 10:49:56 343
2019-12-06 10:50:01 342
2019-12-06 10:50:06 341
Machen Sie es mit der Plot-Methode schnell sichtbar.
%matplotlib inline
df.plot()
Auf diese Weise kann Jupyter beliebige Skripte ausführen und die Ergebnisse mit Python-Objekten verarbeiten. Hab ein gutes Jupyter-Leben!
Recommended Posts