Python的交互式编程是学习和实验Python代码的强大工具。通过Python的交互式解释器（REPL），开发者可以逐行执行代码、即时查看结果，非常适合初学者入门和快速原型开发。

一、Python交互式解释器

1. 启动交互式解释器

在终端或命令行中直接输入python或python3即可启动：

1
2
3
4
$ python
Python 3.11.0 (default, ...)
Type "help" for more information.
>>>

2. 基本操作

1
2
3
4
5
6
7
8
9
10
11
12
13
# 直接计算
>>> 2 + 2
4

# 变量赋值
>>> x = 10
>>> y = 20
>>> x + y
30

# 调用函数
>>> print("Hello, World!")
Hello, World!

3. 退出交互式解释器

1
2
3
4
>>> exit()
# 或者
>>> quit()
# 或者按 Ctrl+D（Linux/Mac）或 Ctrl+Z（Windows）

二、IPython和Jupyter

1. IPython增强解释器

IPython提供了更强大的交互式体验：

1
2
$ pip install ipython
$ ipython

IPython的特性：

  • 自动补全（Tab键）
  • 语法高亮
  • 历史记录
  • 魔法命令

2. Jupyter Notebook

Jupyter是Web-based的交互式编程环境：

1
2
$ pip install jupyter notebook
$ jupyter notebook

三、交互式编程的应用场景

1. 快速测试和调试

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 测试函数
>>> def add(a, b):
...     return a + b
...
>>> add(3, 5)
8

# 测试类
>>> class Person:
...     def __init__(self, name):
...         self.name = name
...
>>> p = Person("Alice")
>>> p.name
'Alice'

2. 数据探索

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 导入库
>>> import pandas as pd
>>> import numpy as np

# 创建数据
>>> df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
>>> df
   A  B
0  1  4
1  2  5
2  3  6

# 简单分析
>>> df.mean()
A    2.0
B    5.0
dtype: float64

3. 快速原型开发

1
2
3
4
5
6
7
8
9
10
11
12
# 快速测试算法
>>> def quicksort(arr):
...     if len(arr) <= 1:
...         return arr
...     pivot = arr[len(arr) // 2]
...     left = [x for x in arr if x < pivot]
...     middle = [x for x in arr if x == pivot]
...     right = [x for x in arr if x > pivot]
...     return quicksort(left) + middle + quicksort(right)
...
>>> quicksort([3, 6, 8, 10, 1, 2, 1])
[1, 1, 2, 3, 6, 8, 10]

四、交互式命令

1. 帮助命令

1
2
3
4
5
6
7
8
9
>>> help(print)
Help on built-in function print in module builtins:

print(value, ..., sep=' ', end='\n', file=sys.stdout, flush=False)
...

>>> help(str.strip)
Help on method_descriptor:
...

2. 查看对象信息

1
2
3
4
5
6
7
8
9
>>> x = 10
>>> type(x)
<class 'int'>

>>> dir(x)
['__abs__', '__add__', '__and__', '__bool__', ...]

>>> x.__doc__
"int([x]) -> integer\nint(x, base=10) -> integer\n..."

3. 历史记录

1
2
3
4
5
6
>>> # 使用上下箭头键浏览历史
>>> # 或使用 %history 魔法命令
>>> %history
x = 10
type(x)
dir(x)

五、IPython魔法命令

1. 行魔法命令（%）

1
2
3
4
5
6
7
8
9
# 计时命令
>>> %timeit [x**2 for x in range(1000)]
1000 loops, best of 3: ... per loop

# 执行外部脚本
>>> %run script.py

# 查看环境变量
>>> %env

2. 单元魔法命令（%%）

1
2
3
4
5
6
7
8
9
10
# 计时整个单元
>>> %%timeit
... x = [i**2 for i in range(1000)]
... y = [i**2 for i in range(1000)]
...

# 写入文件
%%writefile my_script.py
def hello():
    print("Hello, World!")

3. 其他常用魔法命令

1
2
3
4
5
6
7
8
# 查看所有魔法命令
>>> %magic

# 快速调试
>>> %pdb on

# 设置选项
>>> %config IPCompleter.greedy=True

六、综合示例

1. 交互式数据分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 导入数据处理库
>>> import pandas as pd
>>> import matplotlib.pyplot as plt

# 创建示例数据
>>> data = {'Name': ['Alice', 'Bob', 'Charlie'],
...          'Age': [25, 30, 35],
...          'Score': [85, 90, 95]}
>>> df = pd.DataFrame(data)

# 数据探索
>>> df.describe()
>>> df.head()
>>> df.info()

# 数据处理
>>> df['Age_group'] = pd.cut(df['Age'], bins=[20, 30, 40], labels=['20-30', '30-40'])

2. 快速算法测试

1
2
3
4
5
6
7
8
9
10
11
12
13
# 测试排序算法
>>> import random
>>> data = [random.randint(0, 100) for _ in range(20)]

>>> def bubble_sort(arr):
...     n = len(arr)
...     for i in range(n):
...         for j in range(0, n-i-1):
...             if arr[j] > arr[j+1]:
...                 arr[j], arr[j+1] = arr[j+1], arr[j]
...     return arr
...
>>> bubble_sort(data.copy())

七、注意事项

1. 状态保留

交互式解释器中的变量和函数会在整个会话中保留，但重启后会清空：

1
2
3
>>> x = 10  # 定义变量
>>> # 关闭解释器后重新打开
>>> x  # 会报错，x未定义

2. 效率问题

交互式编程适合测试和探索，但不适合大规模数据处理或复杂计算：

1
2
3
4
5
# 适合交互式测试
>>> result = simple_function(data)

# 大规模处理建议写脚本
# python my_script.py

3. 调试技巧

使用%pdb开启交互式调试器：

1
2
3
>>> %pdb on
>>> # 代码出错时会自动进入调试模式
>>> (Pdb) help