Jupyter Notebook使用攻略:看这一篇绝对够用 ️
发布网友
发布时间：2024-08-26 17:32
共1个回答
热心网友
时间：2024-08-27 02:35
Jupyter Notebook应用程序是一个服务器客户端应用程序，允许通过Web浏览器编辑和运行笔记本文档。Jupyter Notebook可以在不需要互联网访问的本地桌面上执行，也可以安装在远程服务器上并通过互联网访问。Jupyter Notebook因其简单易用、随写随看结果的特性，成为数据分析师常用的工具。本文将详细介绍Jupyter Notebook的使用方法和一些技巧。
安装Jupyter Notebook有多种方法，除了直接去Project Jupyter官网安装Jupyter Notebook外，我们还可以通过安装Anaconda这种集成了Jupyter Notebook的统一平台来安装Jupyter Notebook。具体操作可以参考我的另一篇博客。
如果是后续确认会用Python写很多代码的话，还是建议安装Anaconda来统一安装Jupyter Notebook和一系列其他Python编辑器，这样比较省事。
在安装Jupyter Notebook之前，你需要先安装Python的环境，然后进行以下操作。
只需要运行jupyter notebook --no-browser --port=88 --ip=127.0.0.1即可启动Jupyter Notebook。
上述操作都在命令行窗口里进行，在运行jupyter notebook --no-browser --port=88 --ip=127.0.0.1之后，命令行窗口会显示出一个URL，然后我们复制粘贴这个URL，将其粘贴在浏览器里，就可以打开一个Jupyter Notebook窗口。
下面我们要写第一个Jupyter Notebook下的代码。
点击界面右上角的新建按钮，可以发现菜单里可选的新建选项包括：Python3代码、文本文件、文件夹和终端。
选中第一个Python 3 (ipykernel）的选项，即可开启使用Jupyter Notebook写Python代码的旅途。
点击左上角MyFirstNotebook即可以更改这个Notebook的名字，（ps：新建的文件名字默认为Untitled）。
在Jupyter Notebook里写代码与Visual Studio Code里不太一样，Jupyter Notebook里的代码按照cell block (单元格）部署，每写完一个单元格，可以只运行一个单元格里的代码，并获得单元格里代码运行的结果。这意味着，在Jupyter Notebook里写代码是即写即运行即看结果的，这点比Visual Sudio Code就更为即时性，因而适用于并无明确代码框架，探索性质实验的场景。
我经常使用Jupyter Notebook做实验数据分析的工作。实验结果出来后，并不知道如何进行分析，需要边分析，边思考，边写代码做接下来的尝试。等实验有了明确的方向后，可以将Jupyter Notebook上的代码进行整理与重构，写成一个.py的脚本。
从这个角度来看，Jupyter Notebook更适合面向过程的编程，而Visual Studio Code则更适合面向对象的场景。
可以看到在上面运行简单代码的例子中，单元格运行的时间信息也体现了出来。默认的Jupyter Notebook并不带这个功能，但正如我上面说的，我经常在实验场景中使用Jupyter Notebook，而实验的时间开销往往是一个重要指标，因此我对我的Jupyter Notebook进行了额外的设置。Jupyter Notebook之所以好用，也正是因为它有许多插件可以帮助使用者提升效率，以及存储一些实验进行中容易被疏忽了的信息。在后面的章节会更加详细地介绍如何“调教”你的Jupyter Notebook，让你在编程过程中事半功倍。
Jupyter Notebook界面上方的菜单里，包含了Jupyter Notebook的所有功能。考虑到冗余性，我不会在这里具体介绍全部Jupyter Notebook，但是可以在这里介绍的是Jupyter Notebook的功能和Office word的功能分类基本类似，包含编辑操作（替换、查找、复制、剪切等）同时也具有一个Python代码编辑器的运行操作（运行单元格）等。
但是如果只知道到这里的话，并不能提升使用Jupyter Notebook的效率，在我看来Jupyter Notebook的好用程度远非如此。使用Jupyter Notebook并且提升效率的必杀技是其丰富的快捷键和插件。
快捷键和插件是Jupyter Notebook的必杀技，我分别进行介绍。
常用的快捷键包括：
Jupyter笔记本有两种不同的键盘输入模式.编辑模式允许您将代码或文本输入到一个单元格中，并通过一个绿色的单元格来表示命令模式将键盘与笔记本级命令绑定在一起，并通过一个灰色的单元格边界显示，该边框为蓝色的左边框。而上述我描述的常用快捷键都是在命令模式下进行的。
读者请注意上述快捷键只在命令模式下可以生效。Jupyter Notebook当然也有在编辑模式下生效的快捷键，然而结合我实际使用Jupyter Notebook写代码的经验来看，由于每一个单元格里的内容并不会写特别多，而编辑模式下的快捷键又多是针对一个单元格里文本内容的编辑的，就很少有使用快捷键的必要。这也是我只在这里总结了命令模式下快捷键的主要原因。
插件：显示单元格运行时间
Nbextensions为Jupyter Notebook提供了许多NB的插件，我想这也是它被称为Nbextensions的主要原因（ps: 这里只是开玩笑Nb应该是notebook 的缩写）。
具体的Nbextensions介绍可以参考： GitHub - ipython-contrib/jupyter_contrib_nbextensions: A collection of various notebook extensions for Jupyter 。
安装这个插件十分简单，作为一个Python包，最简便的方法还是使用pip安装方法（ps: 既然是Python包，就可以使用所有Python包安装的安装方法，详情可以参考 Doris404：Python实验环境搭建套路：看这一篇绝对够用❤️中关于package安装的介绍。
安装好Nbextensions插件后，可以看到最初进入Jupyter Notebook的界面里菜单栏多出一个Nbextensions的选项，点击进入后会发现里面显示了Nbextensions提供的一系列好用插件。
点击感兴趣的插件，界面下方会显示这个插件的具体介绍以及运行后的结果。可以看到ExecuteTime插件实现了我上面提到的，显示单元格运行时间的功能。下滑界面，可以看到每，ExecuteTime插件的参数可以修改，这里就包括显示时间的格式具体形式。
插件：显示目录
另一个好用的插件是在侧边栏显示Notebook的大纲。Jupyter Notebook除了可以运行代码，也可以写Markdown文档。
Markdown 是一种轻量级标记语言，它允许人们使用易读易写的纯文本格式编写文档，Markdown文件的后缀名便是“.md”。学习Markdown语言参考官网教程： Markdown 官方教程。
Nbextensions插件中的Table of Contents(2)实现了在侧边栏显示目录的功能，这一功能在你写了大量Markdown的单元格时可以让你的编辑更具条理性。
Jupyter Notebook也可以运行bash指令，这使得Jupyter Notebook的集成性足够好，可以支持实验以及实验数据分析的基本功能。在Jupyter Notebook里运行bash指令的方式有两种，一种是新建一个终端窗口，并在终端窗口操作；另一种是在Python3 ipykernel里进行操作。
这就意味着，如果你写好了一个.py的脚本，并设置好了在运行py程序时传入的参数时，想要批量运行这些bash指令时，只需要进行以下步骤：
例如：我写好了一个train.py代码用于训练模型，并规定调用python train.py --data_name [data_name] --model_name [model_name] --times [times]来规定在某数据上进行某模型某次数的训练。我可以在Jupyter Notebook里通过下列代码来实现生成批量bash脚本
可以从下图中看到，运行上述代码，会得到一系列bash指令，我们可以开启多个terminal来分别运行这些指令，并且手动或自动将运行的结果粘贴在一个Jupyter Notebook里实现实验结果的整合。
集成所有实验结果会极大提升整理实验结果的效率
热心网友
时间：2024-08-27 19:30
Jupyter Notebook应用程序是一个服务器客户端应用程序，允许通过Web浏览器编辑和运行笔记本文档。Jupyter Notebook可以在不需要互联网访问的本地桌面上执行，也可以安装在远程服务器上并通过互联网访问。Jupyter Notebook因其简单易用、随写随看结果的特性，成为数据分析师常用的工具。本文将详细介绍Jupyter Notebook的使用方法和一些技巧。
安装Jupyter Notebook有多种方法，除了直接去Project Jupyter官网安装Jupyter Notebook外，我们还可以通过安装Anaconda这种集成了Jupyter Notebook的统一平台来安装Jupyter Notebook。具体操作可以参考我的另一篇博客。
如果是后续确认会用Python写很多代码的话，还是建议安装Anaconda来统一安装Jupyter Notebook和一系列其他Python编辑器，这样比较省事。
在安装Jupyter Notebook之前，你需要先安装Python的环境，然后进行以下操作。
只需要运行jupyter notebook --no-browser --port=88 --ip=127.0.0.1即可启动Jupyter Notebook。
上述操作都在命令行窗口里进行，在运行jupyter notebook --no-browser --port=88 --ip=127.0.0.1之后，命令行窗口会显示出一个URL，然后我们复制粘贴这个URL，将其粘贴在浏览器里，就可以打开一个Jupyter Notebook窗口。
下面我们要写第一个Jupyter Notebook下的代码。
点击界面右上角的新建按钮，可以发现菜单里可选的新建选项包括：Python3代码、文本文件、文件夹和终端。
选中第一个Python 3 (ipykernel）的选项，即可开启使用Jupyter Notebook写Python代码的旅途。
点击左上角MyFirstNotebook即可以更改这个Notebook的名字，（ps：新建的文件名字默认为Untitled）。
在Jupyter Notebook里写代码与Visual Studio Code里不太一样，Jupyter Notebook里的代码按照cell block (单元格）部署，每写完一个单元格，可以只运行一个单元格里的代码，并获得单元格里代码运行的结果。这意味着，在Jupyter Notebook里写代码是即写即运行即看结果的，这点比Visual Sudio Code就更为即时性，因而适用于并无明确代码框架，探索性质实验的场景。
我经常使用Jupyter Notebook做实验数据分析的工作。实验结果出来后，并不知道如何进行分析，需要边分析，边思考，边写代码做接下来的尝试。等实验有了明确的方向后，可以将Jupyter Notebook上的代码进行整理与重构，写成一个.py的脚本。
从这个角度来看，Jupyter Notebook更适合面向过程的编程，而Visual Studio Code则更适合面向对象的场景。
可以看到在上面运行简单代码的例子中，单元格运行的时间信息也体现了出来。默认的Jupyter Notebook并不带这个功能，但正如我上面说的，我经常在实验场景中使用Jupyter Notebook，而实验的时间开销往往是一个重要指标，因此我对我的Jupyter Notebook进行了额外的设置。Jupyter Notebook之所以好用，也正是因为它有许多插件可以帮助使用者提升效率，以及存储一些实验进行中容易被疏忽了的信息。在后面的章节会更加详细地介绍如何“调教”你的Jupyter Notebook，让你在编程过程中事半功倍。
Jupyter Notebook界面上方的菜单里，包含了Jupyter Notebook的所有功能。考虑到冗余性，我不会在这里具体介绍全部Jupyter Notebook，但是可以在这里介绍的是Jupyter Notebook的功能和Office word的功能分类基本类似，包含编辑操作（替换、查找、复制、剪切等）同时也具有一个Python代码编辑器的运行操作（运行单元格）等。
但是如果只知道到这里的话，并不能提升使用Jupyter Notebook的效率，在我看来Jupyter Notebook的好用程度远非如此。使用Jupyter Notebook并且提升效率的必杀技是其丰富的快捷键和插件。
快捷键和插件是Jupyter Notebook的必杀技，我分别进行介绍。
常用的快捷键包括：
Jupyter笔记本有两种不同的键盘输入模式.编辑模式允许您将代码或文本输入到一个单元格中，并通过一个绿色的单元格来表示命令模式将键盘与笔记本级命令绑定在一起，并通过一个灰色的单元格边界显示，该边框为蓝色的左边框。而上述我描述的常用快捷键都是在命令模式下进行的。
读者请注意上述快捷键只在命令模式下可以生效。Jupyter Notebook当然也有在编辑模式下生效的快捷键，然而结合我实际使用Jupyter Notebook写代码的经验来看，由于每一个单元格里的内容并不会写特别多，而编辑模式下的快捷键又多是针对一个单元格里文本内容的编辑的，就很少有使用快捷键的必要。这也是我只在这里总结了命令模式下快捷键的主要原因。
插件：显示单元格运行时间
Nbextensions为Jupyter Notebook提供了许多NB的插件，我想这也是它被称为Nbextensions的主要原因（ps: 这里只是开玩笑Nb应该是notebook 的缩写）。
具体的Nbextensions介绍可以参考： GitHub - ipython-contrib/jupyter_contrib_nbextensions: A collection of various notebook extensions for Jupyter 。
安装这个插件十分简单，作为一个Python包，最简便的方法还是使用pip安装方法（ps: 既然是Python包，就可以使用所有Python包安装的安装方法，详情可以参考 Doris404：Python实验环境搭建套路：看这一篇绝对够用❤️中关于package安装的介绍。
安装好Nbextensions插件后，可以看到最初进入Jupyter Notebook的界面里菜单栏多出一个Nbextensions的选项，点击进入后会发现里面显示了Nbextensions提供的一系列好用插件。
点击感兴趣的插件，界面下方会显示这个插件的具体介绍以及运行后的结果。可以看到ExecuteTime插件实现了我上面提到的，显示单元格运行时间的功能。下滑界面，可以看到每，ExecuteTime插件的参数可以修改，这里就包括显示时间的格式具体形式。
插件：显示目录
另一个好用的插件是在侧边栏显示Notebook的大纲。Jupyter Notebook除了可以运行代码，也可以写Markdown文档。
Markdown 是一种轻量级标记语言，它允许人们使用易读易写的纯文本格式编写文档，Markdown文件的后缀名便是“.md”。学习Markdown语言参考官网教程： Markdown 官方教程。
Nbextensions插件中的Table of Contents(2)实现了在侧边栏显示目录的功能，这一功能在你写了大量Markdown的单元格时可以让你的编辑更具条理性。
Jupyter Notebook也可以运行bash指令，这使得Jupyter Notebook的集成性足够好，可以支持实验以及实验数据分析的基本功能。在Jupyter Notebook里运行bash指令的方式有两种，一种是新建一个终端窗口，并在终端窗口操作；另一种是在Python3 ipykernel里进行操作。
这就意味着，如果你写好了一个.py的脚本，并设置好了在运行py程序时传入的参数时，想要批量运行这些bash指令时，只需要进行以下步骤：
例如：我写好了一个train.py代码用于训练模型，并规定调用python train.py --data_name [data_name] --model_name [model_name] --times [times]来规定在某数据上进行某模型某次数的训练。我可以在Jupyter Notebook里通过下列代码来实现生成批量bash脚本
可以从下图中看到，运行上述代码，会得到一系列bash指令，我们可以开启多个terminal来分别运行这些指令，并且手动或自动将运行的结果粘贴在一个Jupyter Notebook里实现实验结果的整合。
集成所有实验结果会极大提升整理实验结果的效率
