YENİ BAŞLAYANLAR İÇİN JUPYTER NOTEBOOK KISAYOLLARI VE ÇOK KULLANILAN KOD PARÇALARI
Jupyter notebook kullanırken size vakit kazandıracak Jupyter Notebook kısayolları ve çok kullanılan kod parçaları aşağıda özet olarak hazırladım.
Kısayollar
Bu kısayollar Jupyter Notebook’un 5.6.0 versiyonu içindir.
Command modu ve Edit modu
Kısayolları kullanırken notebook komut mu düzenleme modumu diye dikkat etmek gerekiyor.
1. Komut (Command) modu:
2. Düzenleme (Edit) modu:
Komut Modu
- shift + enter hücreyi çalıştırır ve aşağıdaki hücreyi seçer.
- ctrl + enter hücreyi çalıştırır.
- alt + enter hücreyi çalıştırır, aşağıya hücre ekler ve içinde sekme aktif olur.
- A seçili hücrenin yukarısına hücre ekler.
- B seçili hücrenin aşağısına hücre ekler.
- C hücreyi kopyalar.
- V hücreyi yapıştırır.
- D , D 2 defa basınca seçili hücreyi siler.
- shift + M shift’e basılı tutup hücreler seçilir ve sonra M basılırsa hücreler birleştirilir.
- I , I 2 kere ard arda basılırsa kernel durdurur.
- 0 , 0 kernel diyalog kutusu ile tekrar başlatır.
- Y code mode hücreyi code moduna döndürür.
- M hücreyi markdown markdown moduna çevirir.
Düzenleme Modu
- ctrl + click ctrl basılı tutulup fare ile çoklu kursör seçimi yapılarak çoklu düzenleme yapılabilir.
- ctrl + / ctrl basılı tutulup yoruma alınacak satırlar seçilip / basılırsa toplu yorum yapılır.
- tab kod tamamlama ve girinti yapmak için.
NOT : cmd +shift + p Jupyter Notebook ile tüm komutları listeleyebilirsiniz.
View all keyboard shortcuts
H ‘ye (Komut Modunda) basarsanız klavyedeki kısayollar nedir görebilirsiniz.
Çok Kullanılan Kod Parçaları(Text snippets)
Notebookta çalışırken çok sık kullanacağınız koda parçaları aşağıdadır.
from __future__ import division
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
from numpy.random import randn
from scipy import stats
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style('whitegrid')
%matplotlib inline
import math
from sklearn.linear_model import LogisticRegression
from sklearn.linear_model import LinearRegression
from sklearn.cross_validation import train_test_split
from sklearn import metrics
import statsmodels.api as sm
from pprint import pprint
Kaynak: