{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true,
    "pycharm": {
     "name": "#%% md\n"
    }
   },
   "source": [
    "# Jupyter блокноты\n",
    "\n",
    "Исторически, первый проект в сторону появления блокнотов — IPython, это более удобная консоль для работы в Python.\n",
    "Jupyter блокнот — набор ячеек двух видов, ячейки с текстом и ячейки с кодом на Python. Ячейки с текстом содержат форматированный код (формат Markdown), ячейки с кодом можно выполнить, причем переменные, созданные в одной ячейке, доступны во всех остальных.\n",
    "Зачем нужны такие блокноты:\n",
    " - интерактивные вычисления, т.е. можно дописывать код по одной строчке, исправлять вычисления, исследовать данные. Данные постоянно хранятся в памяти, это полезно особенно, если данные большие, их хочется один раз загрузить, а потом исследовать по чуть-чуть.\n",
    " - удобно для обучения, хорошо подходит для конспекта по Python, по обработке данных и т.п.\n",
    " - удобно для статей в Интернете"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 12,
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "4\n"
     ]
    }
   ],
   "source": [
    "x = 2 + 2\n",
    "print(x)"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%%\n"
    }
   }
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "print(x * x)"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%%\n"
    }
   }
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "outputs": [],
   "source": [
    "# читаем в память весь файл (http.pdf — только для примера)\n",
    "with open('http.pdf', mode='rb') as f:\n",
    "    pdf = f.read()\n"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%%\n"
    }
   }
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "b'%PDF-1.5\\n%'\n"
     ]
    }
   ],
   "source": [
    "print(pdf[:10])"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%%\n"
    }
   }
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "366312\n"
     ]
    }
   ],
   "source": [
    "# можем узнать размер файла, повторное чтение не нужно\n",
    "print(len(pdf))"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%%\n"
    }
   }
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Возможности\n",
    "### текстовые ячейки:\n",
    "\n",
    "(формат Markdown)\n",
    "\n",
    "Заголовки — несколько диезов в начале строки. Выделение курсивом, _обрамляем текст подчеркиваниями_ или *звездочками*. Жирный — обрамляем __двойными подчеркиваниями__ или **двойными звездочками**.\n",
    "\n",
    "Нумерованные списки:\n",
    "1. первый элемент\n",
    "2. второй элемент\n",
    "3. третий элемент\n",
    "\n",
    "Нерумерованный:\n",
    "* звездочками\n",
    "* второй элемент\n",
    "* третий элемент с подэлементами\n",
    "    1. делаем отступ (4 пробела)\n",
    "    2. можно вставить нумерованный список\n",
    "* продолжается ненеумерованный список\n",
    "\n",
    "Неформатированный текст (часто код), тройная обратная кавычка в начале и конце\n",
    "```\n",
    "Это неформатированный текст\n",
    "```\n",
    "или отступ 4 пробела\n",
    "\n",
    "    неформатированный текст\n",
    "    еще неформатированный текст\n",
    "\n",
    "конец\n",
    "\n",
    "Есть другие возможности.\n",
    "\n",
    "### Возможности в ячейчках с кодом\n",
    "У ячеек с кодом есть вывод, туда выводится то, что получилось после запуска кода в ячейке. Обычно там текст, который получается при печати из print(), но могут быть и более интересные объекты:"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%% md\n"
    }
   }
  },
  {
   "cell_type": "markdown",
   "source": [],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%% md\n"
    }
   }
  },
  {
   "cell_type": "code",
   "execution_count": 11,
   "outputs": [
    {
     "data": {
      "text/plain": "[<matplotlib.lines.Line2D at 0x7f2419a49220>]"
     },
     "execution_count": 11,
     "metadata": {},
     "output_type": "execute_result"
    },
    {
     "data": {
      "text/plain": "<Figure size 432x288 with 1 Axes>",
      "image/png": "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\n"
     },
     "metadata": {
      "needs_background": "light"
     },
     "output_type": "display_data"
    }
   ],
   "source": [
    "from matplotlib.pyplot import plot\n",
    "plot([10, 20, 30], [30, 10, 20], 'ro')"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%%\n"
    }
   }
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Файл с блокнотом\n",
    "\n",
    "Блокноты хранятся в файлах ipynb (от IPython notebook). Эти файлы содержат всю информацию о содержимом клеточек и __содержимое вывода__ в клеточках с кодом. Т.е. чтобы просмотреть блокнот, не обязательно запускать в нём код, результат выполнения кода сохраняется. Поэтому, Github, например, показывает ipynb файлы.\n",
    "\n",
    "## Ядро\n",
    "Ядро — это процесс в операционной системе, т.е. запущенная программа, которая выполняет код из ячеек и хранит значения переменных. Ядро надо запускать, его можно останавливать, можно перерывать, если оно зависло в процессе вычислений, можно перезапускать. После перезапуска значения переменных пропадают.\n",
    "\n",
    "Ядра в Jupyter бывают не только для Python, поэтому название технолгии и изменилось с IPython на Jupyter (Julia + Python + R), сейчас IPyhton — это название Python ядра. Поэтому такое же интерактивное программирование с блокнотами можно делать и на других языках: Java, ...\n",
    "\n",
    "## Работа с Jupyter блокнотами\n",
    "\n",
    "Все не так просто. Если вы хотите работать с блокнотами на своей компьютере, т.е. запускать ядро на своем компьютере, необходимо установить Python + библиотеку Jupyter + некоторые другие библиотеки. После этого вы запускаете ядро, оно при запуске говорит, как к нему можно подключиться, показывает ссылку для браузера. Т.е. пользовательский интефрейс сделан в Web. Такая установка может быть не очень простой.\n",
    "\n",
    "Другой вариант — можно установить Anaconda [https://www.anaconda.com](https://www.anaconda.com), это еще один дистрибутив Python, у него есть пользовательский интерфейс, чтобы запускать блокноты одной кнопкой.\n",
    "\n",
    "Третий вариант — через PyCharm (IDEA), она сама предложит установить пакет Jupyter. Работа с ipynb возможна только в коммерческих версиях. (PyCharm Community — не подходит). Используйте академическую лицензию.\n",
    "\n",
    "Онлайн блокноты:\n",
    "- Google collab: [https://colab.research.google.com](https://colab.research.google.com)\n",
    "- Kaggle блокноты\n",
    "- Datalore [https://datalore.jetbrains.com](https://datalore.jetbrains.com)\n",
    "\n",
    "У онлайн блокнотов есть ограничения, самое неприятное — ядра долго не живут, через какое-то время неактивности их надо перезапускать.\n",
    "\n",
    "Есть много других сервисов для разной работы с блокнотами...\n"
   ],
   "metadata": {
    "collapsed": false,
    "pycharm": {
     "name": "#%% md\n"
    }
   }
  }
 ],
 "metadata": {
  "kernelspec": {
   "name": "python3",
   "language": "python",
   "display_name": "Python 3 (ipykernel)"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 2
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython2",
   "version": "2.7.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 0
}