Spyder: инструмент для эффективной работы с Python в научных вычислениях

Расширенные примеры работы в Spyder

В этом разделе приведены более сложные сценарии с пояснениями и выводами.

Пример 1. Работа с многомерными массивами и визуализация

import numpy as np
import matplotlib.pyplot as plt

# Создание данных
data = np.random.randn(100, 2)
# Вычисление ковариационной матрицы
cov = np.cov(data.T)
print("Ковариационная матрица:")
print(cov)

# Построение точечного графика
plt.scatter(data[:,0], data[:,1], alpha=0.5)
plt.title("Случайные точки из нормального распределения")
plt.xlabel("X")
plt.ylabel("Y")
plt.grid(True)
plt.show()

Ковариационная матрица:
[[ 1.092123   -0.034567]
 [-0.034567    1.014389]]
(график отображается в отдельном окне)

Пояснение: код генерирует 100 двумерных случайных точек, вычисляет ковариационную матрицу и строит график. Все эти действия можно выполнять в редакторе Spyder, а результат (график) автоматически появится во встроенном плоттере, если его включить (меню Tools → Preferences → IPython console → Graphics → Backend установить Inline или Automatic).

Пример 2. Использование отладчика для поиска ошибки в рекурсивной функции

def factorial(n):
    if n == 0:
        return 1
    else:
        return n * factorial(n-1)

print(factorial(5))

Запустив отладчик (точка останова на строке return n * factorial(n-1)), можно наблюдать за значениями n на каждом шаге. Вывод в консоли будет:

120

Если вместо n-1 написать n (ошибка бесконечной рекурсии), отладчик покажет переполнение стека. Решение: следить за условием завершения.

Пример 3. Профилирование и оптимизация с помощью %prun

def func_a():
    s = 0
    for i in range(10000):
        s += i**2
    return s

def func_b():
    arr = range(10000)
    return sum(x**2 for x in arr)

if __name__ == '__main__':
    print(func_a())
    print(func_b())

В консоли выполняется %prun func_a(), затем %prun func_b(). Результат профилирования:

Сведения для func_a:
         10004 function calls in 0.008 seconds
   ...
Сведения для func_b:
         20002 function calls in 0.004 seconds
   ...

Видно, что func_b быстрее из-за использования генератора. Пояснение: команда %prun - это магическая команда IPython, доступная в консоли Spyder.

Пример 4. Интеграция с внешними библиотеками и использование переменных Spyder

import pandas as pd
# Создание DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# В обозревателе переменных появится объект df
# Можно экспортировать в CSV
df.to_csv('data.csv', index=False)

После выполнения в панели «Explorer» (файловый менеджер) появится файл data.csv. Если кодировка или разделитель не подходят, проблема решается изменением параметров to_csv.

Пример 5. Использование встроенного редактора для рефакторинга

def old_function(x, y):
    # какая-то логика
    return x + y

# Рефакторинг: переименование функции и добавление docstring
def new_function(x: float, y: float) -> float:
    """Складывает два числа."""
    return x + y

Spyder подсвечивает неиспользуемые переменные и предлагает автоматическое форматирование (через меню Source → Autoformat file). Это помогает поддерживать чистоту кода.