快速上手Jupyter Notebook：看这篇就够了 – wiki基地

作者： /

快速上手 Jupyter Notebook：看这篇就够了

引言：Jupyter Notebook 是什么？为何如此流行？

在数据科学、机器学习、学术研究、教育乃至软件开发的许多领域，Jupyter Notebook 已经成为了一个不可或缺的工具。它不仅仅是一个代码编辑器，更是一个集代码编写、运行、文本叙述、数学公式、可视化结果展示于一体的交互式笔记本环境。

想象一下，你正在进行数据分析。你需要在某个地方写代码处理数据，在另一个地方记录下你的思路、解释你的发现，可能还需要插入图表来直观展示结果。传统的工作流程可能涉及多个工具：一个代码编辑器、一个文档编辑器、一个绘图工具。而 Jupyter Notebook 的强大之处在于，它将这一切无缝地整合在一个文档中（.ipynb 文件）。

Jupyter Notebook 的核心特点：

  1. 交互性强： 代码可以分块（单元格）执行，你可以逐个运行单元格，即时看到结果，非常适合探索性编程和调试。
  2. 富文本混合： 在同一个文档中，你可以轻松混合编写代码和使用 Markdown 进行文本叙述。这意味着你可以详细解释你的代码做了什么，添加背景信息，甚至包含图片和链接。
  3. 结果可视化： 代码执行的结果（包括变量值、输出信息、错误报告以及最重要的图表）会直接显示在代码下方，形成了代码、解释和结果的完整记录。
  4. 支持多种语言（Kernel）： 虽然它最常用于 Python，但通过安装不同的“内核”（Kernel），Jupyter Notebook 可以支持 R、Julia、Scala 等几十种编程语言。
  5. 易于分享： .ipynb 文件本身就是一份完整的报告，包含了代码、文本和输出。你可以直接分享这个文件，或者导出为 HTML、PDF、Markdown 等多种格式，方便他人查看和理解你的工作。

正是这些特点，使得 Jupyter Notebook 成为了数据科学家、研究人员和教育者的“神器”。它可以帮助你：

  • 进行数据清洗、转换和探索。
  • 构建和训练机器学习模型。
  • 进行统计分析和模拟。
  • 编写技术文档和教程。
  • 展示你的代码和结果。

无论你是一个编程新手，还是一个经验丰富的开发者，Jupyter Notebook 都能显著提高你的工作效率。

那么，如何快速上手 Jupyter Notebook 呢？别担心，本文将手把手带你完成从安装到熟练使用核心功能的全过程。看完这篇，你就能轻松开启你的 Jupyter Notebook 之旅！

第一步：安装 Jupyter Notebook

使用 Jupyter Notebook 的最简单、最推荐的方式是通过安装 Anaconda 发行版。Anaconda 是一个流行的 Python/R 数据科学平台，它包含了 Python 解释器、Jupyter Notebook 以及许多常用的科学计算库（如 NumPy, Pandas, Matplotlib, Scikit-learn 等），一次安装，省去很多麻烦。

方法一：推荐使用 Anaconda (适用于大多数用户)

  1. 下载 Anaconda： 访问 Anaconda 官方网站 (https://www.anaconda.com/products/distribution)。根据你的操作系统（Windows, macOS, Linux）和系统架构（通常是 64 位）选择对应的安装包进行下载。推荐下载图形化安装器。
  2. 运行安装程序：
    • Windows： 双击下载的 .exe 文件。按照安装向导提示进行。在安装选项中，建议选择“Just Me”（只为当前用户安装），除非你有特殊需求。在“Advanced Options”中，强烈建议勾选 “Add Anaconda to my PATH environment variable”（将 Anaconda 添加到我的 PATH 环境变量中）。虽然官方有时不推荐，但这会大大简化后续在命令行中使用 conda 和 jupyter 命令。如果安装时未勾选，后续需要手动配置环境变量或使用 Anaconda Prompt。
    • macOS： 双击下载的 .pkg 文件。按照提示进行安装。
    • Linux： 打开终端，切换到下载文件所在的目录，然后运行 bash Anaconda3-*.sh （将 * 替换为你的文件名）。按照提示阅读许可协议并确认安装路径。
  3. 验证安装：
    • 安装完成后，打开一个新的终端（Windows 用户请打开 Anaconda Prompt，而不是普通的命令提示符）。
    • 输入命令 conda list 并回车。如果看到安装的包列表，说明 conda 安装成功。
    • 输入命令 jupyter notebook --version 并回车。如果看到 Jupyter Notebook 的版本号，说明 Jupyter Notebook 也已经安装成功。

方法二：使用 pip 安装 (适合已有 Python 环境的用户)

如果你已经安装了 Python (版本 3.3 或更高，或者 Python 2.7)，并且习惯使用 pip 来管理包，也可以通过 pip 安装 Jupyter Notebook。

  1. 打开终端/命令行：
    • Windows： 打开命令提示符 (cmd) 或 PowerShell。
    • macOS/Linux： 打开终端。
  2. 运行安装命令：
    bash
    pip install notebook
    如果你想安装包含更多常用科学计算库的 jupyterlab（Jupyter Notebook 的下一代交互式开发环境，功能更强大，但对于新手入门，Notebook 已足够且更经典），可以使用：
    bash
    pip install jupyterlab
    安装 jupyterlab 通常也会同时安装 notebook。
  3. 验证安装：
    bash
    jupyter notebook --version
    # 或者如果你安装了 jupyterlab
    jupyter lab --version
    如果显示版本号，则安装成功。

总结： 对于初学者和主要进行数据科学工作的用户，强烈推荐安装 Anaconda。它包含了你需要的大部分工具，可以省去很多单独安装库的麻烦。如果你的 Python 环境非常精简或有特定需求，可以使用 pip 安装。

第二步：启动 Jupyter Notebook

安装完成后，启动 Jupyter Notebook 非常简单。

  1. 打开终端/命令行：
    • Windows： 如果你通过 Anaconda 安装并勾选了添加到 PATH，可以直接打开命令提示符 (cmd) 或 PowerShell。否则，请务必打开 Anaconda Prompt。
    • macOS/Linux： 打开终端。
  2. 输入启动命令：
    bash
    jupyter notebook
  3. 回车执行。

执行命令后：

  • 终端会显示一些启动信息，包括正在运行的服务地址（通常是 http://localhost:8888/ 或类似的地址）。
  • 你的默认网页浏览器会自动打开一个新标签页，显示 Jupyter Notebook 的文件管理器界面。

注意： 不要关闭启动 Jupyter Notebook 的终端窗口。这个窗口正在运行 Jupyter 服务器进程。关闭它将导致你的 Notebook 停止工作。你可以最小化它。

浏览器中打开的界面是 Jupyter Notebook 的主界面，它显示了当前启动目录下的文件和文件夹列表。默认情况下，这个目录是你执行 jupyter notebook 命令时的当前目录。

第三步：认识 Jupyter Notebook 主界面

在浏览器中打开的主界面，你可以看到类似文件管理器的视图。顶部有几个标签页：

  • Files (文件)： 这是你最常用的界面，显示了当前目录下的文件和文件夹。你可以在这里创建新的 Notebook、文件夹或文本文件，以及上传文件。
  • Running (运行中)： 显示当前所有正在运行的 Notebook 和终端会话。如果你发现某个 Notebook 卡住了，可以在这里选择它并点击“Shutdown”来停止对应的内核。
  • Clusters (集群)： 这是用于更高级的并行计算设置，初学者暂时无需关心。

在“Files”标签页，右侧有一个绿色的 “New” (新建) 按钮。点击它，你会看到一个下拉菜单：

  • Notebook: 选择一个内核（通常是 Python 3）来创建一个新的 Jupyter Notebook 文件 (.ipynb)。
  • Folder: 创建一个新的文件夹。
  • Text File: 创建一个新的普通文本文件 (.txt)。
  • Terminal: 打开一个终端会话（直接在浏览器中操作命令行）。

点击 “Notebook” -> “Python 3”，就会在新标签页中打开一个空白的 Jupyter Notebook 编辑器界面。恭喜你，你已经成功创建了你的第一个 Notebook！

第四步：深入了解 Notebook 编辑器界面

现在，你面对的是一个空白的 Notebook 编辑器界面。让我们来认识一下它的组成部分：

  1. 标题栏： 位于页面顶部，默认显示 “Untitled”。点击它，你可以为你的 Notebook 重命名。.ipynb 扩展名会自动添加。
  2. 菜单栏： 在标题栏下方，包含 File (文件), Edit (编辑), View (视图), Insert (插入), Cell (单元格), Kernel (内核), Widgets (组件), Help (帮助) 等菜单。这些菜单提供了各种操作选项，如保存、导出、编辑单元格、管理内核等。
  3. 工具栏： 位于菜单栏下方，包含一系列常用操作的图标按钮。例如：
    • 保存 (Save)
    • 插入单元格 (Insert cell below)
    • 剪切、复制、粘贴单元格 (Cut, Copy, Paste cells)
    • 上移、下移单元格 (Move cell up, Move cell down)
    • 运行单元格 (Run cell)
    • 中断内核 (Interrupt kernel)
    • 重启内核 (Restart kernel)
    • 切换单元格类型 (Cell type dropdown: Code, Markdown, Raw NBConvert)
    • 命令面板 (Command palette – 像一个搜索框，可以快速找到并执行各种操作)
  4. 单元格区域： 这是 Notebook 的主要工作区域，由一个个独立的“单元格”组成。每个单元格都可以包含代码、文本或原始数据。

第五步：理解单元格 (Cells)

单元格是 Jupyter Notebook 的核心构建块。每个单元格都可以独立运行。主要有两种类型的单元格你需要掌握：

  1. Code Cells (代码单元格)：

    • 这是你编写可执行代码的地方。
    • 在代码单元格中输入你的 Python 代码（或其他你选择的 Kernel 语言的代码）。
    • 单元格左侧有一个 In [ ]: 的标记。In 表示输入，方括号中的数字表示该单元格是第几个被执行的代码单元格。如果方括号中是 *，表示该单元格正在运行中。
    • 运行代码单元格后，其输出会直接显示在单元格下方，标记为 Out [数字]:。

  2. Markdown Cells (Markdown 单元格)：

    • 这是你编写解释性文本、文档、公式、插入图片等的地方。
    • 使用 Markdown 标记语言来格式化文本。Markdown 是一种轻量级的标记语言，语法简单易学（后面会详细介绍）。
    • 运行 Markdown 单元格后，它会将其内容渲染成格式化的文本显示出来。它没有输入/输出标记 (In/Out)。

第六步：使用单元格：编写与运行

现在，让我们在 Notebook 中实际操作单元格。

当你新建一个 Notebook 时，会默认创建一个空白的 Code 单元格。

编写和运行代码单元格

  1. 输入代码： 点击 Code 单元格，光标会出现，你就可以开始输入代码了。例如，输入 print("Hello, Jupyter!")。

  2. 运行单元格： 有几种方法可以运行当前选中的单元格：

    • 点击工具栏上的 “Run” 按钮 (向右的箭头)。
    • 使用快捷键：
      • Shift + Enter: 运行当前单元格，并在下方插入一个新的 Code 单元格（如果当前不是最后一个单元格，则选中下方单元格）。这是最常用的运行方式。
      • Ctrl + Enter (或 Cmd + Enter on macOS): 运行当前单元格，但光标仍然留在当前单元格。
      • Alt + Enter: 运行当前单元格，并在下方插入一个新的 Code 单元格。

    运行后，代码的输出 Hello, Jupyter! 会显示在单元格下方。左侧的 In [ ]: 也会变成 In [1]: (如果这是你第一次运行代码单元格)。

  3. 尝试更多代码： 在新的单元格中输入 1 + 1，运行它。你会看到输出 2。输入 a = 10，再在下一个单元格输入 print(a * 2)，运行后会看到 20。这表明单元格之间是可以共享变量和状态的（只要它们使用同一个内核）。

编写和运行 Markdown 单元格

  1. 切换单元格类型： 选中一个单元格（点击其左侧空白区域或内部）。在工具栏的下拉菜单中选择 “Markdown”。或者在命令模式下按 M 键（稍后解释命令模式）。
  2. 输入 Markdown 内容： 在 Markdown 单元格中输入文本。例如，输入 # 这是一级标题。
  3. 运行单元格： 使用上面提到的任何一种运行方式 (Shift + Enter, Ctrl + Enter, Alt + Enter) 或点击 “Run” 按钮。

运行后，你会看到 # 这是一级标题 被渲染成了一个大的标题。Markdown 单元格运行后就变成了格式化的文本，如果要编辑它，需要双击该单元格。

单元格的两种模式：编辑模式 vs 命令模式

Jupyter Notebook 的单元格有两种主要模式，理解它们对于高效操作至关重要：

  • Edit Mode (编辑模式)： 当你点击单元格内部准备输入或编辑内容时，单元格边框会变成 绿色，并且光标在闪烁。此时你输入的任何内容都会进入到单元格内部。
  • Command Mode (命令模式)： 当你选中一个单元格，但不处于编辑状态时，单元格边框是 蓝色。此时你输入的按键会被解释为命令，用于操作单元格本身（例如，剪切、复制、粘贴、删除、切换单元格类型、插入新单元格等），而不是输入到单元格的内容中。

如何切换模式：

  • 从编辑模式进入命令模式：按下 Esc 键。
  • 从命令模式进入编辑模式：按下 Enter 键，或者双击单元格。

掌握命令模式下的快捷键可以极大地提高效率。 以下是一些最常用的命令模式快捷键（确保单元格处于蓝色边框的命令模式下）：

  • A: 在当前单元格 上方 插入一个新的 Code 单元格 (A = Above)
  • B: 在当前单元格 下方 插入一个新的 Code 单元格 (B = Below)
  • DD: 快速按下 D 键两次，删除当前单元格 (DD = Delete)
  • X: 剪切当前单元格
  • C: 复制当前单元格
  • V: 在当前单元格 下方 粘贴剪切或复制的单元格
  • Z: 撤销删除单元格
  • M: 将当前单元格类型切换为 Markdown
  • Y: 将当前单元格类型切换为 Code
  • Enter: 进入当前选中单元格的编辑模式
  • Esc: 退出现有单元格的编辑模式，进入命令模式
  • Shift + 上/下箭头: 选中多个相邻单元格

花一些时间练习在编辑模式和命令模式之间切换，并尝试这些快捷键，你会发现操作变得流畅很多。

第七步：使用 Markdown 美化你的 Notebook

在 Notebook 中使用 Markdown 是编写清晰、易于理解的报告或文档的关键。掌握一些基本的 Markdown 语法非常有用。

在 Markdown 单元格中输入以下内容，然后运行单元格看看效果：

  1. 标题： 使用 # 符号，# 的数量表示标题的级别（1 到 6）。
    markdown
    # 这是一级标题
    ## 这是二级标题
    ### 这是三级标题

  2. 段落： 直接输入文本即可。段落之间用空行分隔。
    “`markdown
    这是一个段落。

    这是另一个段落。
    3. **强调：**
    * 斜体：使用一个 `*` 或一个 `_` 包围文本，如 `*斜体文本*` 或 `_斜体文本_`。
    * 粗体：使用两个 `*` 或两个 `_` 包围文本，如 `**粗体文本**` 或 `__粗体文本__`。
    * 粗斜体：使用三个 `*` 或三个 `_` 包围文本，如 `***粗斜体文本***`。
    4. **列表：**
    * 无序列表：使用 `*`, `-`, 或 `+` 作为列表项标记。    markdown
    * 项目一
    * 项目二
    – 项目二的子项目
    * 有序列表：使用数字加点。markdown
    1. 第一个项目
    2. 第二个项目
    3. 第三个项目
    5. **链接：** `[链接文本](链接地址)`markdown
    访问百度
    6. **图片：** `![图片描述](图片地址)`。图片地址可以是网络图片链接，也可以是 Notebook 同一目录下的本地图片文件。markdown
    Jupyter Logo
    7. **代码块：**
    * 行内代码：使用反引号 `` ` `` 包围代码，如 `这是 `inline code` 示例`。
    * 代码块：使用三个反引号     包围多行代码，并在第一个 后面指定语言名称进行语法高亮。
    ````markdown    python
    print(“这是一个代码块”)
    for i in range(3):
    print(i)
    ````
    8. **分隔线：** 在一行中连续使用三个或更多的 `*`, `-`, 或 `_`，行内不能有其他内容（可以在中间加空格）。    markdown

    9. **数学公式：** Jupyter Notebook 支持 LaTeX 语法来书写数学公式。
    * 行内公式：使用一对 `$` 包围公式，如 `爱因斯坦的质能方程 $E=mc^2$`。
    * 块级公式：使用一对 `$$` 包围公式，公式会单独一行并居中显示。    markdown
    $$
    \int_{-\infty}^{\infty} e^{-x^2} dx = \sqrt{\pi}
    $$
    “`

熟练使用 Markdown 可以让你的 Notebook 看起来更专业，逻辑更清晰，无论是自己回顾还是与他人分享都更加方便。

第八步：一个小例子：数据探索与可视化

为了展示 Jupyter Notebook 在数据科学中的魅力，让我们来运行一个简单的 Python 数据分析和可视化例子。你需要确保安装了 pandas 和 matplotlib 库。如果你安装的是 Anaconda，这两个库通常已经预装了。如果使用 pip，可能需要额外安装：pip install pandas matplotlib。

在你的 Notebook 中创建新的 Code 单元格，并依次输入以下代码运行：

“`python

Cell 1: 导入库

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np # 也导入 numpy，后面可能用到

print(“库导入成功！”)
“`
运行此单元格，你应该看到 “库导入成功！” 输出。

“`python

Cell 2: 创建一个简单的数据集

data = {‘类别’: [‘A’, ‘B’, ‘C’, ‘D’, ‘A’, ‘B’, ‘C’, ‘D’],
‘值’: [10, 20, 15, 25, 12, 22, 18, 28],
‘数量’: [100, 120, 90, 110, 105, 115, 95, 125]}
df = pd.DataFrame(data)

print(“数据集创建成功！数据集的前5行：”)
print(df.head())
print(“\n数据集信息：”)
df.info()
``
运行此单元格，你会看到创建的 DataFrame 的前几行以及它的结构信息。df.head()和df.info()` 的输出直接显示在单元格下方。

“`python

Cell 3: 进行简单的数据分析 – 按类别分组求平均值

average_value_by_category = df.groupby(‘类别’)[‘值’].mean()

print(“\n按类别分组的平均值：”)
print(average_value_by_category)
“`
运行此单元格，你会看到每个类别的平均值计算结果。

“`python

Cell 4: 数据可视化 – 绘制平均值的柱状图

plt.figure(figsize=(8, 5)) # 设置图表大小
average_value_by_category.plot(kind=’bar’, color=’skyblue’)
plt.title(‘不同类别的平均值’) # 设置标题
plt.xlabel(‘类别’) # 设置X轴标签
plt.ylabel(‘平均值’) # 设置Y轴标签
plt.xticks(rotation=0) # 让X轴标签不旋转
plt.grid(axis=’y’, linestyle=’–‘, alpha=0.7) # 添加网格线
plt.tight_layout() # 调整布局，避免标签重叠
plt.show() # 显示图表
“`
运行此单元格，一个漂亮的柱状图就会直接显示在单元格下方。

通过这个例子，你可以看到 Jupyter Notebook 如何让你一步步地进行数据处理、分析和可视化，并将代码、中间结果、最终图表以及你的解释（可以使用 Markdown 单元格添加）都保存在同一个文档中。这种交互式的、叙述性的方式非常适合数据探索和报告撰写。

第九步：保存和导出你的 Notebook

Jupyter Notebook 会自动保存你的工作（默认每隔几分钟），但你也可以手动保存：

  • 点击工具栏上的保存图标（一个软盘形状）。
  • 使用快捷键 Ctrl + S (或 Cmd + S on macOS)。
  • 通过菜单栏 File -> Save and Checkpoint。

Save and Checkpoint 会创建一个检查点，你可以随时回滚到这个状态（File -> Revert to Checkpoint）。

除了 .ipynb 格式，你还可以将 Notebook 导出为其他格式，方便分享或发布：

  • 通过菜单栏 File -> Download as。你会看到多种导出格式：
    • Python (.py): 导出纯 Python 脚本，只包含代码单元格的内容。
    • HTML (.html): 导出为静态 HTML 文件，包含代码、输出和 Markdown 内容，非常适合网页展示。
    • Markdown (.md): 导出为 Markdown 文件，代码单元格内容会包含在代码块中。
    • PDF via LaTeX (.pdf): 导出为 PDF 文件。这通常需要你的系统安装了 LaTeX 环境，有时会遇到问题。
    • PDF via HTML (.pdf): 尝试通过先转为 HTML 再转为 PDF，通常不需要安装 LaTeX，但格式可能不如 LaTeX 导出精确。
    • 还有其他一些格式如 .rst, .ipynb 等。

选择你需要的格式，点击即可下载导出的文件。

第十步：其他常用操作和技巧

  • 清空所有输出： 有时你想重新运行整个 Notebook，但不希望保留之前的输出。可以通过菜单栏 Cell -> All Output -> Clear 来清空所有单元格的输出。
  • 运行所有单元格： 可以通过菜单栏 Cell -> Run All 来按顺序运行 Notebook 中的所有单元格。Cell -> Run All Above 或 Run Selected Cells 等也很常用。
  • 中断或重启内核： 如果某个代码单元格进入了死循环或者运行时间过长，你可以点击工具栏上的“中断”（方形图标）按钮，或者通过菜单栏 Kernel -> Interrupt 来中断正在运行的单元格。如果内核出现问题，可以点击工具栏上的“重启”（圆形箭头）按钮，或者通过菜单栏 Kernel -> Restart。重启内核会清除所有变量和状态，需要重新运行单元格。
  • 使用命令面板： 按下 Ctrl + Shift + P (或 Cmd + Shift + P on macOS) 可以打开命令面板，输入关键词可以快速搜索并执行各种菜单命令和快捷键对应的操作，非常方便。
  • 查找和替换： 在编辑模式下，按 Ctrl + F (或 Cmd + F on macOS) 可以进行查找和替换。
  • 行号： 在命令模式下，按 L 键可以显示/隐藏当前单元格的行号。

总结与进阶

至此，你应该已经掌握了 Jupyter Notebook 的基本安装、启动、界面操作、单元格使用（代码和 Markdown）、模式切换、常用快捷键以及保存导出等核心功能。这些知识足以让你开始使用 Jupyter Notebook 进行日常的编程、数据探索和文档编写工作。

Jupyter Notebook 的强大之处在于它的灵活性和交互性。多加练习，尝试在 Notebook 中完成你的小项目或练习，你会越来越体会到它的便利。

下一步可以探索的领域：

  • JupyterLab： Jupyter Notebook 的下一代，提供了一个更集成、更强大的界面环境，包含文件浏览器、终端、文本编辑器等功能，并且支持多窗口布局。
  • nbextensions： Jupyter Notebook 的扩展功能集，可以添加目录、代码折叠、拼写检查等实用功能。
  • 其他 Kernel： 尝试为 Notebook 安装其他语言的内核，如 R, Julia 等。
  • 版本控制： 将你的 .ipynb 文件放入 Git 进行版本控制。需要注意 .ipynb 文件是 JSON 格式，文件变化可能会比较大，可以使用 nbdime 等工具来更好地管理 Notebook 的版本差异。
  • 在线 Jupyter 环境： 使用 Google Colab, Kaggle Kernels, Azure Notebooks 等在线平台，无需本地安装即可使用 Jupyter Notebook。

Jupyter Notebook 是通往交互式计算世界的绝佳入口。掌握它，你将能更高效、更直观地进行数据分析、科学研究和代码开发。

现在，勇敢地打开你的 Jupyter Notebook，开始编写你的第一个代码或文档吧！看这篇，快速上手，你已经迈出了坚实的一步！

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部