Moving average pylab no Brasil

Zipline iniciante tutorial Zipline é um simulador de negociação algorítmica de código aberto escrito em Python. Alguns benefícios incluem: Realista: deslizamento, custos de transação, atrasos nas ordens. Transmissão: processar cada evento de forma individual, evita o viés avançado. Pilhas incluídas: transformações comuns (média móvel), bem como cálculos de risco comuns (Sharpe). Desenvolvido e continuamente atualizado por Quantopian, que fornece uma interface web fácil de usar para a Zipline, dados de estoque históricos históricos de 10 anos de resolução de minutos e recursos de negociação ao vivo. Este tutorial é dirigido a usuários que desejem utilizar Zipline sem usar o Quantopian. Se você preferir começar a atapitar, veja aqui. Este tutorial pressupõe que você tenha instalada corretamente o zipline, veja as instruções de instalação se ainda não tiver configurado a linha de tirolesa. Todo algoritmo de tirolesa consiste em duas funções que você precisa definir: inicializar (contexto) handledata (contexto, dados) Antes do início do algoritmo, a tirolesa chama a função inicializar () e passa em uma variável de contexto. O contexto é um espaço de nomes persistente para você armazenar variáveis ​​que você precisa acessar de uma iteração de algoritmo para a próxima. Depois que o algoritmo foi inicializado, a tirolesa chama a função handledata () uma vez para cada evento. Em cada chamada, passa a mesma variável de contexto e um quadro de eventos chamado dados que contém a barra comercial atual com preços abertos, altos, baixos e próximos (OHLC), bem como volume para cada estoque em seu universo. Para obter mais informações sobre essas funções, consulte a parte relevante dos documentos do quespian. Meu primeiro algoritmo Vamos dar uma olhada em um algoritmo muito simples do diretório de exemplos, buyapple. py: Como você pode ver, primeiro devemos importar algumas funções que gostaríamos de usar. Todas as funções comumente usadas em seu algoritmo podem ser encontradas em zipline. api. Aqui estamos usando o order (), que leva dois argumentos: um objeto de segurança e um número que especifica quantos estoques deseja marcar (se negativo, order () venderá ações premium). Neste caso, queremos encomendar 10 partes da Apple em cada iteração. Para mais documentação na ordem (). Veja os documentos de Quantopian. Finalmente, a função record () permite salvar o valor de uma variável em cada iteração. Você fornece um nome para a variável juntamente com a própria variável: varnamevar. Após o algoritmo terminar, você terá acesso a cada valor de variável que você rastreou com registro () sob o nome que você forneceu (veremos isso mais adiante). Você também vê como podemos acessar os dados de preços atuais do estoque AAPL no quadro de eventos de dados (para obter mais informações, consulte aqui. Executando o algoritmo Para agora testar este algoritmo em dados financeiros, a linha aérea fornece três interfaces: uma interface de linha de comando, IPython Notebook magic e runalgorithm (). Ingerindo dados Se você não tiver ingerido os dados, execute: onde ltbundlegt é o nome do pacote a ser ingerido, o que é incumprimento para quantopian-quandl. Você pode verificar a seção de ingestão de dados para mais detalhes. Comando Interface de linha Depois de instalar o tirolesa, você deve ser capaz de executar o seguinte a partir de sua linha de comando (por exemplo, cmd. exe no Windows ou o aplicativo Terminal no OSX): como você pode ver, há alguns sinalizadores que especificam onde encontrar o seu Algoritmo (-f), bem como parâmetros que especificam quais os dados a serem usados, como padrão para o espelho Quantopian Quandl WIKI. Também há argumentos para o intervalo de datas para executar o algoritmo sobre (--start e - end). Finalmente, you8217ll quer salvar As métricas de desempenho do seu algoritmo para que você possa analisar como ele se realizou. Isso é feito através do sinalizador --output e fará com que ele escreva o desempenho DataFrame no formato de arquivo Python de pepino. Observe que você também pode definir um arquivo de configuração com esses parâmetros que você pode então passar convenientemente para a opção - c para que você não tenha que fornecer a linha de comando args o tempo todo (consulte os arquivos. conf no diretório de exemplos). Assim, para executar o nosso algoritmo a partir de cima e salvar os resultados para buyappleout. pickle, chamaríamos tirolesa da seguinte maneira: execute primeiro chama a função inicializar () e transmite o preço do estoque histórico dia a dia através de handledata (). Após cada chamada para handledata (), instruímos a tirolesa para encomendar 10 ações da AAPL. Após a chamada da função order (), a tirolesa entra no estoque pedido e no valor na lista de pedidos. Depois que a função handledata () tiver terminado, a zipline procura por ordens abertas e tenta preenchê-las. Se o volume de negociação for alto o suficiente para este estoque, a ordem será executada depois de adicionar a comissão e aplicar o modelo de deslizamento que modela a influência do seu pedido no preço das ações, de modo que seu algoritmo será cobrado mais do que o preço das ações 10. (Nota, que você também pode alterar o modelo de comissão e deslizamento que usa a linha de tirolesa, veja os documentos do Quantopian para obter mais informações). Vamos dar uma olhada no desempenho do DataFrame. Para isso, usamos pandas dentro do notebook IPython e imprimos as dez primeiras linhas. Observe que a tirolesa faz uso intenso de pandas. Especialmente para entrada e saída de dados, portanto, vale a pena gastar algum tempo para aprender. 5 linhas 39 colunas Como você pode ver, há uma linha para cada dia de negociação, a partir do primeiro dia útil de 2000. Nas colunas você pode encontrar várias informações sobre o estado do seu algoritmo. A primeira coluna AAPL foi colocada lá pela função de registro () mencionada anteriormente e nos permite plotar o preço da maçã. Por exemplo, poderíamos facilmente examinar agora como o valor do nosso portfólio mudou ao longo do tempo em comparação com o preço das ações da AAPL. Como você pode ver, nosso desempenho de algoritmo, conforme avaliado pelo valor do portfólio, coincide perfeitamente com o preço das ações da AAPL. Isso não é surpreendente, pois nosso algoritmo só comprou a AAPL a cada chance. IPython Notebook O IPython Notebook é uma interface muito poderosa baseada em navegador para um intérprete Python (este tutorial foi escrito nele). Como já é a interface de fato para a maioria dos pesquisadores quantitativos, a tirolesa fornece uma maneira fácil de executar seu algoritmo dentro do Notebook, sem exigir que você use a CLI. Para usá-lo, você precisa escrever seu algoritmo em uma célula e deixar a linha aérea saber que é suposto executar esse algoritmo. Isso é feito através do comando mágico IPIlio de tirolesa que está disponível depois de importar a linha aérea do IPython Notebook. Essa magia leva os mesmos argumentos que a interface de linha de comando descrita acima. Assim, para executar o algoritmo a partir de cima com os mesmos parâmetros, precisamos executar a seguinte célula após a importação de tirolesa para registrar a magia. Observe que não precisamos especificar um arquivo de entrada como acima, uma vez que a magia usará o conteúdo da célula e procurará suas funções de algoritmo lá. Além disso, em vez de definir um arquivo de saída, estamos especificando um nome de variável com - o que será criado no espaço do nome e conterá o desempenho DataFrame que analisamos acima. Acesso a preços anteriores usando o histórico Exemplo de trabalho: Transferência média móvel dupla A média móvel dupla (DMA) é uma estratégia de impulso clássica. It8217s provavelmente não é usado por qualquer comerciante sério, mas ainda é muito instrutivo. A idéia básica é que nós calculamos duas médias móveis ou móveis (mavg) 8211 com uma janela mais longa que é suposto capturar tendências de longo prazo e uma janela mais curta que é suposto capturar tendências de curto prazo. Uma vez que o curto-mavg cruza o longo-mavg de baixo, assumimos que o preço das ações tem impulso ascendente e longo o estoque. Se o curto-mavg cruza de cima, saímos das posições quando assumimos o estoque para diminuir ainda mais. Como precisamos ter acesso a preços anteriores para implementar esta estratégia, precisamos de um novo conceito: History history () é uma função de conveniência que mantém uma janela de dados para você. O primeiro argumento é o número de barras que você deseja coletar, o segundo argumento é a unidade (1d para 1m, mas note que você precisa ter dados de nível de minuto para usar 1m). Para obter uma descrição mais detalhada dos recursos do histórico () 8216s, veja os documentos de Quantopian. Vamos analisar a estratégia que deve deixar isso claro: Aqui estamos definindo explicitamente uma função de análise () que é automaticamente chamada quando o backtest é feito (isto não é possível no aspian atualmente). Embora possa não ser diretamente aparente, o poder do histórico () (chatigo) não pode ser subestimado, pois a maioria dos algoritmos faz uso de desenvolvimentos anteriores do mercado de uma forma ou de outra. Você poderia facilmente conceber uma estratégia que treine um classificador com scikit-learn que tenta prever movimentos futuros do mercado com base em preços passados ​​(note, que a maioria das funções scikit-learn requerem numpy. ndarray s em vez de pandas. DataFrame s, então você Pode simplesmente passar o ndarray subjacente de um DataFrame via. values). Também usamos a função ordertarget () acima. Esta e outras funções como essa podem tornar o gerenciamento de pedidos e o reequilíbrio de portfólio muito mais fácil. Veja a documentação da Quantopian nas funções de ordem para obter mais detalhes. Conclusões Esperamos que este tutorial tenha dado uma pequena visão sobre a arquitetura, a API e as características da linha aérea. Para os próximos passos, confira alguns dos exemplos. Spyder - o Python IDE Seg 16 de setembro de 2017 Hans Fangohr. University of Southampton, Reino Unido, 2017 Spyder desenvolveu-se em uma ferramenta bastante madura e muito produtiva aqui, eu tento fornecer um tutorial. Esta documentação é motivada por cursos de formação em Python e modelagem computacional para estudantes da Universidade de Southampton (ver nota histórica para mais detalhes). Esta entrada de blog foi integrada no Spyder como Tutorial. Uma vez que o Spyder tenha começado, a versão mais atualizada deste tutorial pode ser encontrada em Help - gt Spyder tutorial. Receba o arquivo do mundo da Olá na janela do editor do Spyder, baixe Baixe o hello. py e salve como hello. py. (Você baixou o arquivo clicando com o botão direito do mouse no link em seu navegador e selecione Salvar como destino ou Salvar como) e, em seguida, Abra o arquivo hello. py no menu Arquivo e selecione Abrir. Nós expressamos isso como File - gt Open em resumo. Clique em hello. py para ver o código-fonte no webbrowser e, em seguida, copie o código inteiro para navegar na janela do editor no spyder e cole o código. Em seguida, salve o arquivo como hello. py. Para executar o programa, selecione Executar - Gt Run (ou pressione F5) e confirme as configurações de execução, se necessário. Você deve ver saída como: ou (o caminho particular dependerá de onde você salvou o arquivo, mas isso é inserido automaticamente pela Spyder): em caso afirmativo, você acabou de executar o seu primeiro programa Python - bem feito. Antes de prosseguir, o console do IPython pode fazer um pouco mais do que o console padrão do Python e sugerimos que o use como console padrão aqui. Na sessão de interpretação do IPython que acabamos de começar, você pode usar Run-gtRun (como antes) para executar o hello. py e você deve ver: Python lê o arquivo linha por linha, ignorando comentários quando se trata da palavra-chave def, ele Sabe que uma função é DEFINIDA nesta e na próxima (uma ou mais) linhas. No arquivo hello. py, o Python cria um objeto de função com o nome hello. Todas as linhas sangrentas seguindo def hello (): pertencem ao corpo da função. Observe que o objeto de função apenas foi criado neste momento no arquivo, mas a função ainda não é chamada (ou seja, não é executada). Quando o Python encontrar comandos (que não sejam def. E algumas outras palavras-chave) que estão escritos na coluna mais à esquerda, executará estes imediatamente. No arquivo hello. py, esta é apenas a linha de leitura hello () que realmente chamará (ou seja, execute) a função com o nome hello. Se você remover a linha hello () do programa e executar o arquivo inteiro novamente (pressionando F5, ou selecionando run - gt run), nada será impresso (porque a função hello é definida, mas não chamada, ou seja, não executada) . Agora, você deve saber como executar um programa Python que você possui na janela do editor no Spyder usando o Console Python e o Console IPython mais sofisticado. Se você está apenas começando a aprender Python, este é provavelmente um bom ponto para retornar ao seu curso de livros de texto e veja exemplos mais básicos. A próxima seção fornece informações mais detalhadas sobre como você pode executar partes do código no editor no console Python e, assim, atualizar partes de suas definições no editor. Esta é uma técnica mais avançada, mas pode ser muito útil. (Você também pode estar interessado na opção de executar pedaços (chamados quotcellsquot) do código que são separados por delimitadores - veja Atalhos para funções úteis.) Depois de executar o programa hello. py, o objeto de função hello é definido E conhecido no prompt do Python. Podemos chamar a função do prompt do Python: Chame a função hello () do prompt do Python, ou seja, digite hello () na janela do Python Shell (o prompt do Python mostra como gtgtgt. Ou como In se usamos a sessão do IPython onde O ponto de interrogação pode ser qualquer número inteiro positivo.) E pressione a tecla de retorno. Você deve achar que a função hello () foi executada novamente, ou seja, o Hello World foi impresso novamente. A sua chamada de função no prompt do Python juntamente com a saída deve parecer assim: você pode ver como isso difere da execução do programa inteiro novamente. Quando executamos o programa inteiro (pressionando F5), o Python passa pelo arquivo, cria a função hello Objeto (substituindo o objeto anterior), chega ao programa principal e chama a função. Quando chamamos o hello () do prompt do Python, chamamos apenas os objetos da função hello que foram definidos no console (I) Python quando executámos o arquivo hello. py inteiro anteriormente (pressionando F5). Isso se tornará mais claro ao longo do tempo e também quando trabalharmos com exemplos um pouco maiores. Você pode querer retornar a este tutorial em um estágio um pouco posterior. O Python fornece uma função que exibe todos os objetos conhecidos (no espaço do nome atual). É chamado dir (). Quando você digita dir () no prompt, você obtém uma lista de objetos conhecidos. Ignore tudo começando com um sublinhado por enquanto. Você pode ver ola na lista (Se você conseguir uma longa lista de objetos definidos, então o Spyder pode ter feito algumas importações de conveniência para você. Para resolver isso, você deseja: Então execute o diretório dir) como sugerido acima. O objeto está visível no espaço do nome atual (como é oi neste exemplo), podemos usar a função de ajuda da seguinte forma para aprender sobre isso: Digite help (hello) no prompt do Python, você deve ver a saída como esta: Onde Python Tire as informações de algumas delas (como o número de argumentos de entrada e os nomes dessas variáveis ​​aqui não temos argumentos de entrada) Python pode encontrar através da inspeção de seus objetos, informações adicionais provêm da seqüência de documentação fornecida para o objeto de função hello. A cadeia de documentação é a primeira seqüência imediatamente abaixo da linha def hello ():. O ambiente Spyder também fornece um painel no canto superior direito (por padrão), que é o inspetor de objetos. Se você digitar hello na linha vazia na janela do inspetor de objetos, ele também fornecerá a seqüência de ajuda. Na janela do Editor, mude a função hello de modo que imprima Good Bye World em vez de Hello World. Pressione F5 (para executar o programa inteiro) e verifique se a saída do programa é agora: o que aconteceu quando você pressionou F5 é o seguinte: Python passou pelo arquivo hello. py e criou um novo objeto de função hello (substituindo a função Olá, já definimos antes) e então executámos a função. Precisamos começar com um estado claramente definido. Para fazer isso, mude a função hello () para trás, de modo que imprima o Hello World (ou seja, use o arquivo hello. py original) e, em seguida, pressione F5 para executar todo o programa e verifique se imprime o Hello World. Chame a função hello () do prompt de comando (conforme descrito em Chamar objetos de função existentes a partir da linha de comando). Você deve ver o Hello World impresso. Agora altere a definição da função para que ele imprima Laters World. E salve o arquivo (mas NÃO execute o programa, ou seja, NÃO pressione F5 ainda). Chame a função hello () do prompt de comando novamente. Você deve achar que o texto impresso lê Hello World. Como aqui Por que isso é assim Porque o objeto de função do Olá no intérprete do Python é o antigo que imprime o Olá Mundo. Até agora, mudamos o arquivo hello. py (e substituímos o Hello World por lá com Laters World) no editor, mas isso não afetou os objetos que foram criados anteriormente no intérprete do Python. Aqui estão duas possibilidades para usar nossa versão modificada da função hello: Opção 1: execute todo o arquivo hello. py novamente pressionando F5: isso cria um novo objeto de função hello (e anula o antigo). Você deve achar que, se você pressionar F5 e, em seguida, chame o hello () no prompt, o novo texto Laters World é impresso. Opção 2: selecione a região que você mudou (neste caso, a função inteira olá. A partir da linha def hello (): para baixo para retornar None. E depois selecione Run - gt Run selection. Isso atualizará o objeto hello no intérprete Sem ter que executar todo o arquivo hello. py: se agora digitar hello (). Vemos a resposta de atualização: a capacidade de executar partes do código para atualizar alguns objetos no intérprete (no exemplo acima, atualizamos a função Objeto hello), é de grande utilidade ao desenvolver e depurar códigos mais complexos, e quando criar objetosdata na sessão de interpretação levar tempo. Por exemplo, modificando apenas as funções (ou classesobjects, etc.) que estamos realmente desenvolvendo ou depurando, nós Pode seguir reutilizando as estruturas de dados, etc, que são definidas na sessão de interpretação. Para ensinar programação em Python e modelagem computacional, recomendamos (i) usar IPython em vez do intérprete normal de Python e (ii) não usar qualquer importação de conveniência. T Ele aceita o IPython como o padrão de fato e ajuda a entender melhor os espaços para nome. O Spyder tenta ajudar usuários mais avançados importando uma série de módulos para o espaço do nome principal. Digite scientific no prompt de comando para ver os detalhes. Esse comportamento pode mudar em versões futuras do Spyder. Embora essas importações de conveniência sejam muito úteis para programadores mais experientes, podem ser confusas (se não enganosas) para iniciantes. Recomendamos, portanto, desfazer essas importações para cumprir os nossos requisitos descritos acima e (i) mudar para um console IPython. E (ii) emitir o comando de reinicialização para redefinir o espaço do nome. Ambas as etapas são explicadas com mais detalhes na próxima seção. Na janela do console (canto inferior direito por padrão), você vê, por padrão, um prompt com três sinais maiores do que os sinais, ou seja, gtgtgt. Isso mostra que estamos usando o console - basicamente uma sessão de interpretação de Python normal (com alguma funcionalidade adicional da Spyder). Em vez disso, gostaríamos de usar um shell Interactive Python, um breve IPython do projeto ipython. Para fazer isso, selecione Interpreters - gt Abra um Console IPython. Você deve ver na janela consolse uma nova shell que apareça e o prompt IPython In 1: deve ser exibido. O espaço de nomes pode ser limpo no IPython usando o comando reset. Digite reset e pressione return, depois confirme com y: discutimos isso um pouco mais, mas você pode ignorar o seguinte se não estiver interessado: depois de emitir o comando reset, devemos ter apenas alguns objetos definidos no namespace dessa sessão . Podemos listar todos eles usando o comando dir (): Finalmente, se você quiser ignorar a etapa de confirmação do comando de reinicialização, use use reset - f em vez de redefinir. Além da sintaxe que é aplicada pela Python, há convenções adicionais sobre o layout do código-fonte, em particular o Guia de estilo para o código-fonte do Python conhecido como quopPEP8quot. Um grande comportamento do Spyders pode ser configurado através das suas Preferências. Onde este está localizado no menu depende do seu sistema operacional: No Windows e no Linux, vá para Ferramentas - gt Preferências No Mac OS, vá para Python - gt Preferences Ir para Preferências - gt Console IPython - gt Startup e selecione a caixa de seleção ao lado de Abra um console IPython na inicialização. Em seguida, clique no botão OK. A próxima vez que o Spyder começar, ele mostrará o console IPython automaticamente. Vá para Preferências - Gt Editor - gt Code IntrospectionAnalysis e selecione a caixa de seleção ao lado de Análise de estilo (PEP8) Para evitar qualquer magia quando o console é iniciado, vá para Preferências - gt Console - gt Configurações avançadas - gt PYTHONSTARTUP substituição e selecione o script PYTHONSTARTUP padrão (E reinicie o Spyder). (Esta magia, entre outras coisas, executa o comando de divisão de importação futura.) As configurações padrão podem mudar para isso na próxima versão principal. Para evitar a importação de todos os objetos de pylab e numpy no espaço de nome atual no IPython Console, vá para Preferências - gt IPython console - gt Graphics e desmarque a caixa de seleção ao lado de Automaticamente carregar módulos Pylab e NumPy e também desmarcar Ativar suporte. As configurações padrão podem mudar para isso na próxima versão principal. Por meio de Preferências - gt Console IPython - gt Configurações Avançadas - gt Use matemática simbólica podemos ativar o modo python simbólico IPythons. Isso permitirá uma saída de simpatiza bem renderizada (estilo latex) e também importará alguns objetos de simulação automaticamente quando o console do IPython for iniciado e relatar o que ele fez. Podemos então usar as variáveis ​​x. Y. Por exemplo, isto: F5 executa o buffer atual F9 executa o pedaço de código atualmente destacado: isso é muito útil para atualizar definições de funções (digamos) na sessão de interpretação sem ter que executar o arquivo inteiro novamente CTRL ltRETURNgt executa a célula atual ( Menu no menu Run - gt Run). Uma célula é definida como o código entre duas linhas que começam com a etiqueta acordada. SHIFT ltRETURNgt executa a célula atual e avança o cursor para a próxima célula (entrada do menu Run - gt Run cell and advance). As células são úteis para executar um grande segmento de fiéis em unidades menores. (É um pouco como uma célula em um notebook IPython, naquele pedaços de código podem ser executados de forma independente.) ALT lCURADOR UPgt move a linha atual. Se várias linhas estiverem destacadas, elas são movidas juntas. ALTlCCURSOR DOWNgt trabalha correspondentemente, movendo a (s) linha (s) para baixo. Clique com o botão direito do mouse em um método de função na fonte, abre um novo editor de janelas que mostra a definição dessa função. SHIFTCTRLALTM maximiza a janela atual (ou altera o tamanho de volta ao normal se pressionado em uma janela maximizada) SHIFTCTRLF ativa a pesquisa em todos os arquivos. No Mac OS X: CMD aumentará o tamanho da fonte no editor, CMD - diminui. Também funciona no Console IPython. O tamanho da fonte para o explorador de objetos, a consola Python etc pode ser configurado individualmente através de Preferências - gt Object explorer etc. Eu não consegui encontrar uma maneira de alterar o tamanho da fonte no variador explorador. CTRLSPACE autocomplete comandos, nomes de funções, nomes de variáveis, métodos muito úteis. CMDs (no Mac OS X) e CTRLs (caso contrário) na janela do editor salvam o arquivo que está sendo editado. Isso também força vários triângulos de aviso na coluna esquerda do editor a serem atualizados (caso contrário eles atualizam cada 2 a 3 segundos por padrão). CMDs (no Mac OS X) e CTRLs (caso contrário) na janela do console do IPython, salva a sessão atual do IPython como um arquivo HTML, incluindo as figuras que podem ser exibidas inline. Isso é útil como uma maneira rápida de gravar o que foi feito em uma sessão. (Não é possível carregar este registro guardado de volta à sessão - se você precisar de uma funcionalidade como essa, procure o Notebook IPython.) CMDi (no Mac OS X) e CTRLi (caso contrário) quando pressionado enquanto o cursor está em um objeto , Abre documentação desse objeto no inspetor de objetos. Estas são as configurações que definem como o código no editor é executado se selecionamos Run - gt Run ou pressione F5. Por padrão, a caixa de configurações aparecerá a primeira vez que tentamos executar um arquivo. Se quisermos alterar as configurações em qualquer outro momento, elas podem ser encontradas em Run - gt Configure ou pressionando F6. Existem três opções para o intérprete, do qual eu vou discutir os dois primeiros. Vamos assumir que temos um programa hello. py no editor que lê Esta é a sugestão padrão, e também geralmente uma boa escolha. Escolher Execute na configuração atual do intérprete de Python ou IPython em Run - gt Configure significa que quando a execução do hello. py estiver completa, podemos interagir com o intérprete no qual o programa foi executado e podemos usar o conveniente intérprete de IPython para isso (um pouco Do que o interpretador Python padrão). Podemos inspecionar e interagir com objetos que a execução do nosso programa criou, como eu e oi (). Isso geralmente é muito útil para codificação incremental, teste e depuração: podemos chamar hello () diretamente do prompt do interpretador e não precisamos executar o hello. py inteiro para isso (embora se mudarmos a função hello (). Nós precisamos Para executar o buffer, ou pelo menos a definição da função, para tornar a nova versão do hello () visível no intérprete, executando o buffer inteiro ou via Run - gt Run Selection.) No entanto, executando o código no editor no O intérprete atual também significa que o código que executa pode ver outros objetos (globais) que foram definidos na sessão de interpretação. Esta persistência de objetos é facilmente esqueceu-se e geralmente não é necessária quando se trabalha em pequenos programas (embora possa ser de grande valor ocasionalmente). Esses objetos podem vir da execução anterior do código, do trabalho interativo no intérprete ou de importações de conveniência, como a importação de pylab (o Spyder pode fazer algumas dessas importações de conveniência automaticamente). Essa visibilidade de objetos no espaço de nome global do intérprete para o código que executamos também pode resultar em erros de codificação se o código se basear inadvertidamente nesses objetos. Aqui está um exemplo: imagine que executamos o código hello. py. Posteriormente, a variável i é conhecida no intérprete como uma variável global. Nós editamos a fonte hello. py e excluímos acidentalmente a linha i 42, nós executamos o buffer contendo hello. py novamente. Neste ponto, a chamada de hello (i) não falhará porque o intérprete tem um objeto de nome que eu defini, embora isso não esteja definido na fonte de hello. py. Neste ponto, poderíamos poupar hello. py e (falsamente) pensamos que seria executado corretamente. No entanto, executá-lo em uma nova sessão de interpretação de python (ou via python hello. py. Say) resultaria em um erro, porque eu não está definido. O problema surge porque o código faz uso de um objeto (aqui i) sem criá-lo. Isso também afeta a importação de módulos: se tivéssemos importado o pylab no prompt do IPython, nosso programa verá isso quando executado nesta sessão de interpretação do IPython. Para saber como podemos verificar novamente se o nosso código não depende de objetos existentes, consulte Como verificar novamente se o seu código é executado corretamente. Escolhendo Execute no novo intérprete dedicado do Python em Run - gt Configure irá iniciar um novo intérprete do Python toda vez que o programa hello. py for executado. A maior vantagem desse modo em Execução no atual intérprete de Python ou IPython é que podemos ter certeza de que não existem objetos globais definidos neste intérprete que se originam da depuração e execução repetida do nosso código: sempre que executamos o código no editor , O intérprete python no qual o código é executado é reiniciado. Esta é uma opção segura, mas oferece menos flexibilidade e não pode usar o interpretador IPyton. Supondo que você escolheu seu código para executar no atual intérprete de Python ou IPython. Então você duas opções para verificar se o nosso código funciona por conta própria (ou seja, não depende de variáveis ​​indefinidas, módulos e comandos não importados, etc.). Como alternativa, se você quiser ficar com o atual intérprete de IPython, você pode usar a reinicialização mágica de IPythons Comando que removerá todos os objetos (como eu no exemplo acima) do espaço de nomes atual e, em seguida, execute o código no editor. Uma vez que você tenha concluído um código, verifique se ele é executado de forma independente usando uma das opções explicadas em Como verificar novamente se o seu código é executado corretamente. Quando vários arquivos são abertos no editor, as abas correspondentes na parte superior da área da janela são organizadas em ordem alfabética do nome do arquivo da esquerda para a direita. À esquerda das guias, existe como ícone que mostra as abas de Pesquisa se o mouse estiver sobre ele. É útil saltar para um arquivo particular diretamente, se muitos arquivos estiverem abertos. As variáveis ​​de ambiente podem ser exibidas a partir da janela do console (janela inferior direita no layout padrão). Clique no ícone Opções (a dica de ferramenta é Opções) e, em seguida, selecione Variáveis ​​de ambiente. Toda a personalização salva no disco pode ser redefinida chamando o spyder da linha de comando com a opção --reset. Ou seja, um comando como spyder --reset. Clicar com o botão direito do mouse em matrizes no variável explorador dá opções para plotar e analisar isso ainda mais. O duplo clique em um objeto de dicionário abre uma nova janela que exibe o dicionário bem. Presumivelmente, há outras capacidades ocultas para alguns outros tipos de dados. Existem algumas convenções em relação às cadeias de documentação escritas em texto reestruturado. Se seguimos essas diretrizes, podemos obter cadeias de documentação formalmente formadas no Spyder. Por exemplo, para que nossa função média () pareça assim no Spyder Object Explorer: Precisamos formatar a seqüência de documentação da seguinte maneira. O que importa aqui, é que a palavra Parâmetros é usada e sublinhada. A linha a. O número mostra que o tipo do parâmetro a é o número. Na próxima linha, que é recuada, podemos escrever uma explicação mais extensa sobre o que esta variável representa, quais condições os tipos permitidos devem cumprir etc. O mesmo para todos os Parâmetros e também para o valor retornado. Muitas vezes, é uma boa idéia incluir um exemplo como mostrado. Ativando o modo de depuração (Debug - gt Debug) inicia o depurador IPython (ipdb) no console IPython. Isso é operado como normal, mas a janela de exibição do editor destaca a linha que está prestes a ser executada e o explorador de variáveis ​​exibe variáveis ​​no contexto atual do ponto de execução do programa. (Somente exibe variáveis ​​numéricas, ou seja, não objetos de função, etc.) Os comandos de chave dentro do depurador de IPython são batimentos de tecla individuais: s para entrar na instrução atual. Se esta é uma chamada de função, entre na função. N vá para a instrução Next. Se a instrução atual for uma função, não entre na função, mas execute-a completamente antes de retornar o controle ao prompt do depurador interativo. R complete todas as declarações na função atual e retorna dessa função antes de retornar o controle. P Imprimir permite exibir valores de variáveis, por exemplo p x irá imprimir o valor da variável x. Observe que no ipdb, você também pode alterar valores de variável. Por exemplo, para modificar um x valiable. Você pode dizer ipdb gt x 42 e o depurador continuará com x sendo ligado a 42. Você também pode chamar funções e fazer muitas outras coisas. To leave the debugging mode, you can type exit or select from the menu Debug - gt Debugging Control - gt Exit In the IPython console, we can call debug straight after an exception has been raised: this will start the IPython debug mode, and allows inspection of local variables at the point where the exception occurred as described above. This is a lot more efficient than adding print statements to the code an running it again. If you use this, you may also want to use the commands up and down which navigate the inspection point up and down the stack. (Up the stack means to the functions that have called the current function down is the opposite direction.) Assuming we use an IPython console with version gt 1.0.0, we can decide whether figures created with matplotlibpylab will show inline . i. e. inside the IPython console, or whether they should appear inside a new window. Option 1 is convenient to save a record of the interactive session (section Shortcuts for useful functions lists a shortcut to save the IPython console to an html file). Option 2 allows to interactively zoom into the figure, manipulate it a little, and save the figure to different file formats via the menu. The command to get the figures to appear inline in the IPython console is matplotlib inline . The command to get figures appear in their own window (which technically is a QT windown) is matplotlib qt . The Spyder preferences can be used to customise the default behaviour (in particular Preferences - gt IPython Console - gt Graphics - gt Activate Support to switch into inline plotting). Recent Posts Categories