Jupyter Notebook 入门教程Jupyter Notebook 入门教程目录什么是 Jupyter 安装

Jupyter Notebook 入门教程

什么是 Jupyter

Jupyter Notebook 是一个开源的 Web 应用程序，允许您创建和共享包含实时代码、方程式、可视化和叙述文本的文档。

核心特点

交互式编程：可以逐段执行代码并立即查看结果
富文本支持：支持 Markdown、LaTeX 公式、图片、视频等
多语言支持：支持 Python、R、Julia 等 40+ 种编程语言
数据可视化：直接在内联显示图表和可视化结果
易于分享：可以导出为 HTML、PDF、Markdown 等格式
广泛应用：数据清洗、统计分析、机器学习、教学演示等

Jupyter 生态系统

Jupyter Notebook：经典的网页版笔记本
JupyterLab：下一代用户界面，更强大的 IDE 体验
JupyterHub：多用户服务器版本
nbconvert：笔记本转换工具
Voilà：将笔记本转换为交互式 Web 应用

安装 Jupyter

方法一：通过 Anaconda 安装（推荐）

如果您已经安装了 Anaconda，Jupyter 已经预装好了！

# 验证安装
jupyter --version

# 如果没有安装，使用 conda 安装
conda install jupyter

方法二：通过 pip 安装

# 安装 Jupyter Notebook
pip install jupyter

# 或者安装 JupyterLab（推荐）
pip install jupyterlab

验证安装

# 查看版本
jupyter --version

# 查看已安装的内核
jupyter kernelspec list

启动和界面介绍

启动 Jupyter

# 启动 Jupyter Notebook
jupyter notebook

# 启动 JupyterLab（推荐）
jupyter lab

# 指定端口启动
jupyter notebook --port 8888

# 启动时不自动打开浏览器
jupyter notebook --no-browser

# 指定根目录
jupyter notebook --notebook-dir=/path/to/directory

启动后，浏览器会自动打开 Jupyter 界面，通常地址是 http://localhost:8888

界面介绍

Jupyter Notebook 界面

┌─────────────────────────────────────┐
│  Jupyter Logo | File | Edit | ...   │  ← 菜单栏
├─────────────────────────────────────┤
│  Save | + Code | + Markdown | Run   │  ← 工具栏
├─────────────────────────────────────┤
│  In [1]: print("Hello")             │  ← 代码单元格
│           Hello                      │     （可执行代码）
├─────────────────────────────────────┤
│  # This is a title                  │  ← Markdown 单元格
│  Some text here...                  │     （富文本）
└─────────────────────────────────────┘

JupyterLab 界面

JupyterLab 提供更现代化的 IDE 体验：

左侧文件浏览器
中间主工作区（支持多标签页）
右侧检查器面板
底部终端和输出面板

创建新笔记本

在 Jupyter 主页点击右上角 "New" 按钮
选择 Python 3（或其他内核）
开始编写代码！

基本操作

单元格操作

两种模式

Jupyter 有两种操作模式：

命令模式（按 Esc 进入）
- 单元格边框为蓝色
- 可以使用键盘快捷键操作单元格
编辑模式（按 Enter 进入）
- 单元格边框为绿色
- 可以编辑单元格内容

基本操作流程

# 1. 在单元格中输入代码
print("Hello, Jupyter!")

# 2. 按 Shift + Enter 运行单元格
# 3. 查看输出结果

运行单元格

Shift + Enter：运行当前单元格，选中下一个单元格
Ctrl + Enter：运行当前单元格，保持选中当前单元格
Alt + Enter：运行当前单元格，在下方插入新单元格

保存和重命名

Ctrl + S：保存笔记本
点击文件名可以重命名
文件扩展名为 .ipynb（IPython Notebook）

单元格类型

1. Code 单元格（代码单元格）

用于编写和执行代码：

# 导入库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 基本计算
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 显示结果
print(f"x 的形状: {x.shape}")
print(f"y 的前5个值: {y[:5]}")

2. Markdown 单元格

用于编写文档说明，支持 Markdown 语法：

# 一级标题

## 二级标题

### 三级标题

**粗体文本**
_斜体文本_

- 无序列表项 1
- 无序列表项 2

1. 有序列表项 1
2. 有序列表项 2

[链接文本](https://jupyter.org)

![图片描述](image.png)

> 引用文本

`行内代码`

```python
# 代码块
def hello():
    print("Hello!")
```


### 3. Raw NBConvert 单元格

用于需要原样输出的文本，不会被执行或渲染。

### 切换单元格类型

- 命令模式下按：
  - `Y`：切换到 Code 单元格
  - `M`：切换到 Markdown 单元格
  - `R`：切换到 Raw 单元格

---

## 魔法命令

Jupyter 提供了特殊的"魔法命令"，以 `%` 或 `%%` 开头。

### 行魔法命令（%）

作用于单行：

```python
# 查看当前工作目录
%pwd

# 列出目录内容
%ls

# 查看变量
%who
%whos

# 计时代码执行时间
%time sum(range(1000))

# 精确计时（多次运行取平均）
%timeit sum(range(1000))

# 查看历史命令
%history

# 加载外部文件
%load script.py

# 运行外部脚本
%run script.py

# 设置 matplotlib 图形内联显示
%matplotlib inline

# 查看魔法命令列表
%lsmagic

单元格魔法命令（%%）

作用于整个单元格：

# 计时整个单元格
%%time
import time
time.sleep(1)
print("Done")

# 精确计时整个单元格
%%timeit
sum(range(10000))

# 写入文件
%%writefile test.py
print("Hello from file!")

# HTML 渲染
%%html
<b>Bold text</b>

# JavaScript 执行
%%javascript
console.log("Hello from JavaScript!")

# Bash 命令
%%bash
echo "Hello from Bash"
ls -la

# Python 2 代码（如果安装了 Python 2 内核）
%%python2
print "Python 2 syntax"

常用魔法命令速查

命令	说明
`%pwd`	显示当前工作目录
`%ls`	列出目录内容
`%cd`	切换目录
`%who` / `%whos`	显示变量信息
`%time`	测量代码执行时间
`%timeit`	多次运行测量平均时间
`%matplotlib inline`	内联显示图表
`%load`	加载外部文件到单元格
`%run`	运行外部 Python 脚本
`%history`	查看命令历史
`%%writefile`	将单元格内容写入文件
`%%capture`	捕获输出

快捷键大全

掌握快捷键可以大幅提升效率！

命令模式快捷键（按 Esc 进入）

单元格操作

快捷键	功能
`Enter`	进入编辑模式
`Shift + Enter`	运行单元格，选中下一个
`Ctrl + Enter`	运行单元格，保持选中
`Alt + Enter`	运行单元格，下方插入新单元格
`Y`	切换到代码单元格
`M`	切换到 Markdown 单元格
`R`	切换到 Raw 单元格
`1-6`	设置为对应级别的标题（Markdown 模式）

单元格管理

快捷键	功能
`A`	在上方插入单元格
`B`	在下方插入单元格
`D, D`（按两次 D）	删除单元格
`Z`	撤销删除
`C`	复制单元格
`X`	剪切单元格
`V`	粘贴单元格
`Shift + V`	粘贴到上方

其他操作

快捷键	功能
`S`	保存
`L`	切换行号显示
`O`	切换输出显示/隐藏
`Shift + L`	切换所有单元格行号
`H`	显示快捷键帮助
`I, I`（按两次 I）	中断内核
`0, 0`（按两次 0）	重启内核

编辑模式快捷键（按 Enter 进入）

快捷键	功能
`Tab`	代码补全或缩进
`Shift + Tab`	显示函数文档
`Ctrl + ]`	缩进
`Ctrl + [`	取消缩进
`Ctrl + A`	全选
`Ctrl + Z`	撤销
`Ctrl + Shift + Z`	重做
`Ctrl + /`	注释/取消注释
`Ctrl + D`	删除整行
`Ctrl + Shift + -`	分割单元格

高级功能

1. 数据可视化

Matplotlib 集成

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制图形
plt.figure(figsize=(10, 6))
plt.plot(x, y, 'b-', linewidth=2, label='sin(x)')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.title('Sine Wave')
plt.legend()
plt.grid(True)
plt.show()

交互式图表

# 使用交互式后端
%matplotlib notebook

# 或使用 ipympl
%matplotlib widget

2. 小部件（Widgets）

创建交互式控件：

from ipywidgets import interact, interactive, fixed
import ipywidgets as widgets

# 简单交互
@interact(x=(0, 10))
def square(x):
    return x ** 2

# 滑块控件
slider = widgets.IntSlider(value=5, min=0, max=10, step=1, description='Value:')
display(slider)

# 文本输入
text = widgets.Text(value='Hello', description='Input:')
display(text)

# 按钮
button = widgets.Button(description='Click me!')
display(button)

def on_button_clicked(b):
    print("Button clicked!")

button.on_click(on_button_clicked)

3. 表格显示

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['Beijing', 'Shanghai', 'Guangzhou']
})

# 美观显示表格
df

# 或使用 display
from IPython.display import display
display(df)

4. 图片和多媒体

from IPython.display import Image, HTML, Video, YouTubeVideo

# 显示图片
Image(filename='image.png', width=300)

# 显示 HTML
HTML('<h1 style="color:blue;">Hello!</h1>')

# 嵌入 YouTube 视频
YouTubeVideo('dQw4w9WgXcQ', width=600, height=400)

5. 进度条

from tqdm.notebook import tqdm
import time

# 使用 tqdm 进度条
for i in tqdm(range(100)):
    time.sleep(0.01)

6. 并行计算

from ipyparallel import Client

# 创建客户端
rc = Client()
view = rc[:]

# 并行执行
result = view.map_sync(lambda x: x**2, range(10))
print(result)

7. 调试

# 启用自动调试
%pdb on

# 手动设置断点
import pdb; pdb.set_trace()

# 或使用 IPython 的 set_trace
from IPython.core.debugger import set_trace
set_trace()

8. 扩展插件

安装 nbextensions：

pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user

常用扩展：

Table of Contents：自动生成目录
Variable Inspector：变量检查器
ExecuteTime：显示执行时间
Collapsible Headings：可折叠标题
Codefolding：代码折叠

最佳实践

1. 组织笔记本结构

# 项目标题

## 1. 导入库和数据加载

[代码单元格]

## 2. 数据探索

[代码单元格]
[Markdown 说明]

## 3. 数据预处理

[代码单元格]

## 4. 模型训练

[代码单元格]

## 5. 结果分析

[代码单元格]
[可视化]

## 6. 结论

[Markdown 总结]

2. 代码规范

# ✅ 好的做法
# 每个单元格完成一个逻辑任务
# 添加必要的注释
import pandas as pd

# 加载数据
df = pd.read_csv('data.csv')

# 查看基本信息
df.head()
df.info()

# ❌ 避免的做法
# 不要在单个单元格中放置过多代码
# 不要依赖单元格的执行顺序

3. 重启并运行所有单元格

定期测试笔记本的可重现性：

菜单：Kernel → Restart & Run All
确保所有单元格按顺序执行无误
这是分享前的必要步骤

4. 清除输出后再提交

# 使用 nbconvert 清除输出
jupyter nbconvert --clear-output --inplace notebook.ipynb

# 或在 Jupyter 中
# Edit → Clear All Output

5. 版本控制

# 使用 nbdime 进行 git 差异比较
pip install nbdime
nbdime config-git --enable --global

# 正常 git 操作
git add notebook.ipynb
git commit -m "Update analysis"

6. 导出和分享

# 导出为 HTML
jupyter nbconvert --to html notebook.ipynb

# 导出为 PDF（需要安装 LaTeX）
jupyter nbconvert --to pdf notebook.ipynb

# 导出为 Markdown
jupyter nbconvert --to markdown notebook.ipynb

# 导出为 Python 脚本
jupyter nbconvert --to python notebook.ipynb

# 导出为幻灯片
jupyter nbconvert --to slides notebook.ipynb --post serve

7. 性能优化

# 使用 %timeit 优化代码
%timeit [x**2 for x in range(1000)]
%timeit [x*x for x in range(1000)]

# 清理不需要的变量
del large_variable

# 垃圾回收
import gc
gc.collect()

# 监控内存
%memit some_function()

8. 使用虚拟环境

# 在 conda 环境中安装 Jupyter
conda activate myenv
conda install jupyter

# 注册环境为 Jupyter 内核
python -m ipykernel install --user --name=myenv --display-name "Python (myenv)"

# 在 Jupyter 中切换内核
# Kernel → Change kernel → Python (myenv)

常见问题

问题 1：内核无法启动

解决方案：

# 重新安装 ipykernel
pip install --upgrade ipykernel

# 重新注册内核
python -m ipykernel install --user

# 检查内核列表
jupyter kernelspec list

问题 2：端口被占用

解决方案：

# 指定其他端口
jupyter notebook --port 8889

# 或查找并关闭占用端口的进程
lsof -i :8888  # macOS/Linux
netstat -ano | findstr :8888  # Windows

问题 3：Matplotlib 图形不显示

解决方案：

# 确保使用了正确的魔法命令
%matplotlib inline

# 或者在每个绘图后调用
plt.show()

问题 4：内存不足

解决方案：

# 清理变量
del variable_name

# 垃圾回收
import gc
gc.collect()

# 重启内核
# Kernel → Restart

# 使用生成器而非列表
# 差：large_list = [x for x in range(10000000)]
# 好：large_gen = (x for x in range(10000000))

问题 5：自动补全不工作

解决方案：

# 安装 jedi
pip install jedi

# 或在 Jupyter 配置中禁用 jedi
# 创建 ~/.jupyter/jupyter_notebook_config.py
c.Completer.use_jedi = False

问题 6：中文显示问题

解决方案：

# Matplotlib 中文显示
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS
plt.rcParams['axes.unicode_minus'] = False

# Pandas 中文显示
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)

问题 7：JupyterLab 扩展安装失败

解决方案：

# 确保 nodejs 已安装
conda install nodejs

# 安装扩展
jupyter labextension install @jupyter-widgets/jupyterlab-manager

# 重建 JupyterLab
jupyter lab build

JupyterLab vs Jupyter Notebook

特性	Jupyter Notebook	JupyterLab
界面	简洁，单一笔记本	现代化，IDE 风格
多文件	不支持	支持多标签页
文件浏览器	基础	增强版
终端	需要单独打开	内置
扩展性	有限	强大
学习曲线	低	中等
推荐场景	简单分析	复杂项目

建议：新项目优先使用 JupyterLab，它提供了更好的开发体验。

总结

Jupyter 是数据科学和机器学习的利器，掌握以下要点：

核心技能

✅ 基本操作：单元格的创建、编辑、运行
✅ 快捷键：熟练使用命令模式和编辑模式快捷键
✅ 魔法命令：利用魔法命令提高效率
✅ Markdown：编写清晰的文档说明
✅ 可视化：集成 Matplotlib 等可视化库

进阶技巧

使用 Widgets 创建交互式应用
利用扩展插件增强功能
遵循最佳实践组织代码
定期重启并运行所有单元格测试
使用版本控制管理笔记本

学习资源

官方文档：jupyter.org/documentati…
JupyterLab 文档：jupyterlab.readthedocs.io/
Awesome Jupyter：github.com/markusschan…

下一步：结合 NumPy 和 Pandas 进行实际数据分析练习！🚀