大家好，我是小五????
上周一共分享了10个有趣的Jupyter Notebook使用技巧????
花几分钟掌握部分技巧，就可以提升自己的工作效率，节约时间岂不乐乎？
今天是第三篇，本文继续介绍有趣有用的魔法命令。
魔法命令
何为魔法命令？
官方给出的定义是：IPython有一组预先定义好的所谓的魔法函数（Magic Functions），你可以通过命令行的语法形式来访问它们。这些指令独立于Python语法，可以完成一些特殊的功能。
魔法命令共分为两类：
行魔法命令(line magic) : 前缀为"%"，且全部指令（包含主要参数）不可以换行。
单元格法术(cell magic): 前缀为"%%"，整个单元格都是魔法命令，单元格第一行必须是"%%"
在单元格Cell中输入%lsmagic即可查看所有的魔法命令，如果临时忘了某个函数名怎么拼写，可以用此查询。如果连%lsmagic也忘了的话，问搜索引擎吧（摊手）。。。
关于查询魔法命令，还有两个函数比较常用：
%quickref：输出所有魔法命令的简单版帮助文档%Magics_Name?：输出某个魔法命令详细帮助文档
下面我将先罗列一下常见的魔法函数，并对其中五个进行详细演示讲解。
注：由于IPython的内置magic函数，那么在Pycharm中是不会支持的。
计算运行时间
有时候我们需要进行代码优化，就需要计算对比一下函数或过程运行时间，以此来衡量代码的效率。
在Jupyter Notebook中有几个魔法函数可以实现，功能效果各有差异。
这样我们就可以快速得到代码的运行时间，以此来对比代码的优化效果。
查看当前变量
在Jupyter Notebook一行一行编写代码时，会发现自己定义的变量越来越多，到后面就不好想起来都在哪些单元格定义了哪些变量了。
其实我们可以使用魔法命令——%who_ls查看已经定义了哪些变量？
包括导入的模块别名也在其中。
其中还可以指定变量类型查看，比如我们只想查看目前已经定义了哪些列表：
%who_ls?list
保存单元格内容到文件
我们可以在Jupyter Notebook只保存部分内容为.py文件。这里需要使用魔法命令%%writefile，它的作用是将单元格中的内容保存到外部的文件中。
在下方的演示中，将代码
message?=?"Hello?World"
print(message)
保存为test.py文件
打开当前工作目录，可以发现已生成test.py文件
这时候我们想验证一下文件内容是否一致，有一个魔法命令%pycat，能够以弹出框的形式显示外部文件的内容。这样我们就不必离开Jupyter Notebook去查看.py文件了。
设置环境变量
在机器学习/深度学习里，我们经常遇到使用环境变量的情况[1]。
在Jupyter Notebook中，也是可以通过%魔术命令进行设置修改环境变量的。
例如%env或%set_env，用法也很简单%env MY_VAR=MY_VALUE或%env MY_VAR MY_VALUE。
另外，单独使用%env可以打印出当前的环境变量。
%env?THIS_IS_ENV_EXAMPLE?"TEST2021"
其中THIS_IS_ENV_EXAMPLE是环境变量，它的值是字串 TEST2021
代码分享
举个例子，我们正在Jupyter Notebook运行代码，遇到了一些问题想把代码分享出去。这时候要截图，还是另存为代码文件再发送文件呢？
其实还有另外一种选择——以链接的形式分享代码。
%pastebin
该魔法命令可以将代码上传到Pastebin并返回一个链接。其中Pastebin是一个线上内容托管服务，我们可以在上面存储纯文本，如源代码片段，所形成的链接也可以分享给他人[2]。
我们还可以指定分享的cell（单元格），比如：
%pastebin?1-4
这样就生成了一个隐私的链接url供我们分享代码。
网页打开链接，即可得到下图的界面。需要注意，生成的链接有效期只有7天。
哔哔叨：这种分享方式还是需要联网的。有一些小伙伴在公司使用的是不能联网的机器，想请教别人分享代码一直是个难题。最近小五发现有人开发了通过二维码传递代码本文的方法，很有趣，有时间好好了解一下。
好了，今天介绍了Jupyter Notebook中的魔法命令，利用它可以轻松实现一些纯Python要很麻烦才能实现的功能。
限于篇幅，只介绍了5个有趣的魔法命令，%pdb代码调试、运行py文件等都没有细讲，大家想详细了解的话可以对照前文的帮助文档查看。下篇将会继续介绍一波非常实用的插件，敬请期待。
觉得有技巧帮助到你提升效率/乐趣的话，别忘了给本文点个赞哦????
参考资料
[1]
迷途小书童的Note: https://mp.weixin.qq.com/s/sB9MKerqKnwY8aZScOROCg
[2]jupyter notebook python很慢: https://blog.csdn.net/weixin_39562089/article/details/110911409
