Python中如何调试和优化Notebook()代码

Python中调试代码的常用方法有以下几种：

1. 使用print语句：在关键位置插入print语句输出相关变量的值，以便查看程序的执行情况。这是最简单但也是最常用的方法。

下面是一个例子：

def add(a, b):
    result = a + b
    print(f"{a} + {b} = {result}")
    return result

add(3, 5)

输出结果为：

3 + 5 = 8

2. 使用assert语句：在关键位置插入assert语句，判断一定条件是否成立，如果不成立则触发异常。可以用来快速检查代码的逻辑错误。

下面是一个例子：

def divide(a, b):
    assert b != 0, "Divisor can not be zero"
    result = a / b
    return result

print(divide(10, 5))
print(divide(10, 0))

输出结果为：

2.0
AssertionError: Divisor can not be zero

3. 使用pdb调试器：pdb是Python自带的调试器，可以在代码中插入断点，以便逐行调试代码。在断点处可以查看变量的值，修改代码等。

下面是一个例子：

import pdb

def multiply(a, b):
    result = a * b
    pdb.set_trace()   # 插入断点
    return result

print(multiply(3, 5))

输出结果为：

> <ipython-input-1-5ad21d0666df>(6)multiply()
-> return result
(Pdb) a        # 查看函数参数的值
a = 3
b = 5
(Pdb) result   # 查看变量的值
result = 15
(Pdb) n        # 执行下一行代码
--Return--
> <ipython-input-1-5ad21d0666df>(6)multiply()->15
-> return result
(Pdb) q        # 退出pdb调试器

Python中优化代码的方法有以下几种：

1. 使用更高效的算法：在解决问题时，选择使用更高效的算法可以大大提高代码的运行速度。例如，使用快速排序算法而不是冒泡排序算法。

2. 减少循环次数：循环是一种非常耗时的操作，尽量减少循环的次数可以提高代码的效率。可以通过增加逻辑判断、使用更高级的数据结构等方式来减少循环次数。

3. 使用适当的数据结构：在解决问题时，选择适当的数据结构可以大大提高代码的运行速度。例如，使用哈希表而不是列表来进行查找操作。

4. 避免重复计算：在代码中尽量避免重复计算同一个值，可以使用缓存或者修改算法的方式来避免。例如，使用动态规划算法可以避免重复计算。

下面是一个使用缓存来避免重复计算的例子：

def fibonacci(n, cache={}):
    if n in cache:
        return cache[n]
    if n <= 2:
        return 1
    result = fibonacci(n-1) + fibonacci(n-2)
    cache[n] = result
    return result

print(fibonacci(10))

输出结果为：

55

5. 使用内置函数：Python内置的函数通常是经过高度优化的，使用这些函数可以提高代码的运行速度。例如，使用sum函数而不是手动写循环来计算列表的和。

下面是一个使用内置函数sum计算列表和的例子：

my_list = [1, 2, 3, 4, 5]
result = sum(my_list)
print(result)

输出结果为：

15

以上是Python中调试和优化代码的常用方法和示例，通过运用这些方法可以更快速地定位和修复代码的问题，并提高代码的运行效率。