working-with-code-cells.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 操作代码单元格\n",
    "\n",
    "在这个 notebook 中，你将尝试操作代码单元格。\n",
    "\n",
    "首先，运行以下代码单元格。就像之前我所提到的，你可以通过选中并点击运行（run cell）按钮来运行代码单元格。另外，你也可以通过快捷键 **Shift + Enter** 来运行。使用快捷键的好处是你的双手不需要离开键盘。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "# 选中单元格，并按 Shift + Enter\n",
    "3**2"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Shift + Enter 运行单元格之后会自动选中下一个单元格，或者根据需要创建新的单元格。你也可以通过 **Control + Enter** 在运行之后仍然选中当前单元格。\n",
    "\n",
    "单元格中的代码运行的结果将会显现在单元格下方。它和正常的 Python shell 一样打印出代码的运行结果，但是只会打印最后一个运行结果。如果你想打印所有结果，你需要使用 `print()` 。\n",
    "\n",
    "> **练习：** 运行下方两个代码单元格测试以上所学内容。先预测你的猜想，然后运行它。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "3**2\n",
    "4**2"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "print(3**2)\n",
    "4**2"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "现在尝试将值赋予变量。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "mindset = 'growth'"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "这行代码没有任何输出 `'growth'` 已被赋值给变量 `mindset`。所有在单元格创建的变量，函数和类都可以在当前 Notebook 中的其它单元格访问。\n",
    "\n",
    "你觉得运行如下单元格将会得到什么结果？尝试改变它的不同形式来熟悉这种使用方法。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "mindset[:4]"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 代码补全\n",
    "\n",
    "当你在写代码的时候，你将发现代码补全可以大大节省你使用变量或者函数的时间，因为你只需要键入名称的一部分，然后按 **tab** 。\n",
    "\n",
    "> **练习：** 将你的鼠标点击到 `mind` 最后，并按 **tab**"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "mind"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "这里，补全 `mind` 将显示出整个变量名 `mindset`。如果有多个变量名以相同的字母开始，则你会得到一个下拉菜单，可以通过以下例子加深理解。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# Run this cell\n",
    "mindful = True"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# Complete the name here again, choose one from the menu\n",
    "mind"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "记住，在一个单元格中赋值的变量可以在所有单元格中访问。这包括你之前运行的单元格和变量赋值前面的单元格。尝试在往上数第三个单元格（mind）中使用代码补全。\n",
    "\n",
    "当你想使用一个模块但不太记得你想使用的函数，或者有哪些函数可以使用，代码补充的功能将非常方便。我将通过 [random](https://docs.python.org/3/library/random.html) 模块来展示这种用法。这个模块提供了生成随机数的函数，在创建虚拟数据或从列表中随机挑选的时候特别有用。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# 运行如下\n",
    "import random"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "> **练习：** 在下如单元格中，将鼠标点击至 `random.` 后并按 **tab** 来触发该模块的代码补全菜单。从列表中选择 `random.randint` ，你可以使用上下键来选择。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "random."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "通过以上方法你可以看到 random 模块中的所有可用函数。比如你可能在寻找从 [高斯分布](https://en.wikipedia.org/wiki/Normal_distribution)中生成随机数的方法。高斯分布又称为“正态分布”或者“钟曲线”。\n",
    "\n",
    "## 工具使用建议\n",
    "\n",
    "你看到有一个函数叫作 `random.gauss` 但如何使用它呢？你可以点击 [文档](https://docs.python.org/3/library/random.html)，或者直接在 notebook 中查看。\n",
    "\n",
    "> **练习：** 在如下单元格中，将鼠标点击至 `random.gauss` 并按 **shift + tab** 显示使用建议。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "random.gauss"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "你将看到类似如下的简单的文档内容：\n",
    "\n",
    "    Signature: random.gauss(mu, sigma)\n",
    "    Docstring:\n",
    "    Gaussian distribution.\n",
    "    \n",
    "该函数需要两个参数 `mu` 和 `sigma`。这是高斯分布中均值和标准差的标准符号。可能你现在还不熟悉，但你需要了解这些参数所代表的意思。类似的情况会经常发现，你找到一个函数，但你需要知道更多的信息。你可以按 **shift + tab** 两次显示更多的信息。\n",
    "\n",
    "> **练习：** 在如下代码单元格中，通过按两次 **shift + tab** 显示全部文档。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "random.gauss"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "你将看到类似如下的更加详细的信息：\n",
    "\n",
    "    mu is the mean, and sigma is the standard deviation.  This is\n",
    "    slightly faster than the normalvariate() function."
   ]
  }
 ],
 "metadata": {
  "anaconda-cloud": {},
  "kernelspec": {
   "display_name": "Python [conda root]",
   "language": "python",
   "name": "conda-root-py"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 2
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython2",
   "version": "2.7.13"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 0
}