全部文章

2-​​Jupyter Notebook​​介绍、安装、配置与使用

官网：https://jupyter.org/

 

Jupyter Notebook介绍

Jupyter Notebook其实和Pycharm类似，算是一个集成开发环境，把她当成IDE来理解即可，但是又有特殊之处。

Jupyter项目是一个非盈利的开源项目，源于2014年的ipython项目，它逐渐发展为支持跨所有编程语言的交互式数据科学和科学计算
Jupyter Notebook，原名IPython Notbook，是IPython的加强网页版，一个开源Web应用程序
名字源自Julia、Python 和 R（数据科学的三种开源语言）
是一款程序员和科学工作者的编程/文档/笔记/展示软件
.ipynb文件格式是用于计算型叙述的JSON文档格式的正式规范

Jupyter Notebook 与 SciPy、NumPy、pandas、matplotlib 等库的关系可以概括为 “平台与工具” 的关系。Jupyter Notebook 是一个 交互式计算环境，而 SciPy、NumPy 等是运行在该环境中的 功能库。它们之间没有直接的包含关系，但共同服务于数据分析和科学计算的完整工作流。

1. Jupyter Notebook 的定位

  • 核心功能：

    • 提供基于 Web 的交互式编程界面，支持代码、文本、图表、公式的混合编写（通过 .ipynb 文件）。

    • 支持多种编程语言（如 Python、R、Julia），但主要与 Python 生态结合使用。

  • 角色：

    • 平台：为数据科学家、研究人员提供便捷的探索性分析环境。

    • 粘合剂：整合 NumPy、pandas 等库的功能，并实时展示结果（如表格、图表）。

2. 与科学计算库的关系

(1) Jupyter Notebook 依赖这些库：

  • Jupyter Notebook 本身不包含数值计算或数据分析功能，需借助第三方库实现具体任务：

    • 数据计算：通过 NumPy、SciPy 完成。

    • 数据处理：通过 pandas 操作结构化数据。

    • 可视化：通过 matplotlib、Seaborn 等生成图表。

(2) Jupyter Notebook 增强这些库的体验：

  • 交互性：实时执行代码片段，直接展示结果（如 df.head() 直接渲染表格）。

  • 可视化嵌入：在 Notebook 中直接显示 matplotlib 图表（通过 %matplotlib inline 魔法命令）。

  • 文档整合：将代码、结果、说明文字整合为可分享的文档。

3. 典型协作示例

在 Jupyter Notebook 中，用户通常会按以下流程使用这些库：

# 1. 导入库
import numpy as np
import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
%matplotlib inline  # 在 Notebook 内嵌图表

# 2. 数据处理（pandas）
data = pd.read_csv("data.csv")
cleaned_data = data.dropna()

# 3. 数值计算（NumPy）
mean = np.mean(cleaned_data["value"])

# 4. 科学计算（SciPy）
t_stat, p_value = stats.ttest_ind(cleaned_data["groupA"], cleaned_data["groupB"])

# 5. 可视化（matplotlib）
plt.hist(cleaned_data["value"], bins=20)
plt.title("Data Distribution")
plt.show()  # 图表直接显示在 Notebook 中

4. 关键区别

组件角色与 Jupyter Notebook 的关系
Jupyter Notebook 交互式开发环境 平台，提供运行和展示的载体
NumPy 数值计算基础库 在 Notebook 中调用，处理数组和矩阵运算
pandas 数据操作与分析库 在 Notebook 中调用，处理表格数据
SciPy 高级科学计算工具库 在 Notebook 中调用，实现复杂数学算法
matplotlib 数据可视化库 在 Notebook 中调用，直接嵌入图表

5. 常见误解澄清

  • 误解 1：Jupyter Notebook 自带 NumPy/pandas 等功能。
    真相：这些库需独立安装，Jupyter 仅提供运行环境（通常通过 Anaconda 等工具链统一安装）。

  • 误解 2：Jupyter Notebook 是 IDE（如 PyCharm）的替代品。
    真相：Jupyter 适合探索性分析，但缺乏 IDE 的工程化功能（如调试、版本控制）。

  • 误解 3：必须用 Jupyter Notebook 才能使用这些库。
    真相：这些库可在任何 Python 环境（如脚本、IDE）中使用，但 Jupyter 能显著提升交互体验。

6. 总结

  • Jupyter Notebook 是舞台：提供编写、运行和展示代码的场所。

  • NumPy、SciPy、pandas、matplotlib 是演员：在舞台上执行具体任务。

  • 协作价值：Jupyter Notebook 的交互性和可视化能力，使这些库的功能更易被探索和验证。

如果想高效学习数据科学，建议以 Jupyter Notebook 为实验环境，逐步掌握这些库的协同使用！

为什么使用Jupyter Notebook?

  • 传统软件开发：工程／目标明确
    • 需求分析，设计架构，开发模块，测试
  • 数据挖掘：艺术／目标不明确
    • 目的是具体的洞察目标，而不是机械的完成任务
    • 通过执行代码来理解问题
    • 迭代式地改进代码来改进解决方法
实时运行的代码、叙事性的文本和可视化被整合在一起，方便使用代码和数据来讲述故事
对比Jupyter Notebook和Pycharm
画图

 数据展示：

总结：Jupyter Notebook 相比 Pycharm 在画图和数据展示方面更有优势。
******************************************************************************************************************************************************************************************************************************************************************
注意：在阅读下述内容之前，请确保已经安装了Anaconda，或者有所了解，否则请先阅读：安装Anaconda 
******************************************************************************************************************************************************************************************************************************************************************

我下面演示的是通过Anaconda打包安装的Jupyter的配置过程

配置Jupyter 默认启动目录

1.打开cmd,输入 jupyter notebook --generate-config 

 　　如果出现 'jupyter' 不是内部或外部命令 错误，通常是因为 环境变量未配置。

找到Anaconda安装路径下的：D:\install\tools\Anaconda312\Scripts，添加到环境变量path中

 

2.打开上个命令生成的jupyter_notebook_config.py配置文件，找到“c.NotebookApp.notebook_dir=‘’ ”， 把路径改成自己的工作目录；“c.NotebookApp.notebook_dir=‘’ ”是设置 Jupyter Notebook 默认启动目录的标准配置项。

注意：

从 Jupyter 4.0 开始，部分配置项名称可能调整。如果 c.NotebookApp.notebook_dir 无效，尝试以下替代项：

  1. ​新配置项名称：
c.ServerApp.root_dir = 'D:\data\jupyter'  # JupyterLab 3.0+ 或 Notebook 6.0+

​　　查看版本：

jupyter notebook --version  # Notebook 版本
jupyter lab --version       # Lab 版本
jupyter --version           # 核心包版本

终极解决方案

如果以上方法均无效，直接通过命令行启动并指定目录：

jupyter notebook --notebook-dir="D:\data\jupyter"

或（新版）：

jupyter server --ServerApp.root_dir="D:\data\jupyter"

附：配置项历史变化表

​Jupyter 版本​有效配置项名称​说明
< 4.0 c.NotebookApp.notebook_dir 传统配置项
4.0 ~ 5.0 c.NotebookApp.notebook_dir 兼容模式
≥6.0 c.ServerApp.root_dir 统一为 ServerApp 命名空间

3.配置文件修改完成后，验证是否生效

jupyter notebook

以后在jupyter notebook中写的代码等都会保存在 自己创建的目录中。

 注意：如果通过 Anaconda Navigator 启动时上述配置未生效，但命令行生效，通常是因为 Anaconda 启动器覆盖了默认配置。

 以下是具体原因和解决方案：修改快捷方式属性：删除最后面的“%USERPROFILE%”即可，因为%USERPROFILE%会覆盖我们之前的配置

 修改后的完整示例：

"D:\install\tools\Anaconda312\python.exe" "D:\install\tools\Anaconda312\cwp.py" "D:\install\tools\Anaconda312" "D:\install\tools\Anaconda312\python.exe" "D:\install\tools\Anaconda312\Scripts\jupyter-notebook-script.py"

*设置jupyter密码：

方法 1：通过命令行快速设置密码

打开终端/命令提示符，执行以下命令：

jupyter notebook password

输入并确认密码：

Enter password: ********
Verify password: ********

生成密码文件：

    • 密码会被加密并保存在 ~/.jupyter/jupyter_notebook_config.json（Linux/macOS）或 C:\Users\你的用户名\.jupyter\jupyter_notebook_config.json（Windows）。

重启 Jupyter Notebook：jupyter notebook

jupyter notebook

  • 下次访问时会要求输入密码，不再需要令牌（Token）。

方法 2：手动生成密码并配置

步骤 1：生成密码哈希值

  1. 打开 Python 环境（确保已安装 Jupyter）：

python

在 Python 中输入以下代码生成密码哈希：

from notebook.auth import passwd
passwd()

 

输入并确认密码后，会返回一个类似 'argon2:...' 的哈希字符串，复制该字符串。

 

步骤 2：修改配置文件

  1. 打开配置文件：

    • 路径为 ~/.jupyter/jupyter_notebook_config.py（Linux/macOS）或 C:\Users\你的用户名\.jupyter\jupyter_notebook_config.py（Windows）。

修改以下配置项：

# 禁用令牌登录（仅用密码）
c.ServerApp.token = ''

# 设置密码哈希
c.ServerApp.password = 'argon2:...（粘贴生成的哈希字符串）'

步骤 3：重启 Jupyter Notebook

验证密码是否生效

  1. 访问 http://localhost:8888 或你的 Jupyter 地址。

  2. 页面会显示 密码输入框，不再自动跳转。

  3. 输入设置的密码即可登录。

常见问题

1. 忘记密码如何重置？

  • 重新执行 jupyter notebook password 或手动生成新哈希并更新配置文件。

2. 密码不生效？

  • 检查配置文件路径是否正确。

  • 确保未启用其他认证方式（如 c.ServerApp.token 未被覆盖）。

  • 清除浏览器缓存或尝试无痕模式访问。

3. 同时使用密码和令牌（可选）

如果希望保留令牌登录（例如临时共享）：

不设置 c.ServerApp.token = ''，并在启动时通过 --no-browser 隐藏令牌：

jupyter notebook --no-browser

附加安全设置

  1. 绑定特定 IP（仅允许本地访问）：

    c.ServerApp.ip = 'localhost'

  2. 禁用 root 权限运行：

    jupyter notebook --allow-root

  3. 启用 HTTPS（需 SSL 证书）：

    c.ServerApp.certfile = '/path/to/cert.pem'
c.ServerApp.keyfile = '/path/to/key.pem'

jupyter notebook的使用

打开：Jupyter notebook：

方式1：开始-》找到Anaconda下面的jupter Noteboot打开即可

方式2：使用cmd命令打开：

jupyter notebook

 打开之后，会启动一个服务，浏览器默认会跳转到：

 创建项目和文件

 

notebook的文档格式是 .ipynb

内容界面操作-helloworld

文档重命名

 创建完成后会新打开一个窗口：并且我们可以对文档进行重命名：

cell操作

  • 什么是cell？
    • cell：一对In Out会话被视作一个代码单元，称为cell
    • cell行号前的 * ，表示代码正在运行
  • Jupyter支持两种模式：
    • 编辑模式（Enter）
      • 命令模式下回车Enter或鼠标双击cell进入编辑模式
      • 可以操作cell内文本或代码，剪切／复制／粘贴移动等操作
    • 命令模式（Esc）
      • 按 Esc 退出编辑，进入命令模式
      • 可以操作cell单元本身进行剪切／复制／粘贴／移动等操作

鼠标操作

快捷键操作

  • 两种模式通用快捷键
    • Shift+Enter，执行本单元代码，并跳转到下一单元
    • Ctrl+Enter，执行本单元代码，留在本单元
  • 命令模式：按ESC进入
    • Y，cell切换到Code模式
    • M，cell切换到Markdown模式
    • A，在当前cell的上面添加cell
    • B，在当前cell的下面添加cell
  • 其他(了解)
    • 双击D：删除当前cell
    • Z，回退
    • L，为当前cell加上行号 <!--
    • Ctrl+Shift+P，对话框输入命令直接运行
    • 快速跳转到首个cell， Crtl+Home
    • 快速跳转到最后一个cell， Crtl+End -->
  • 编辑模式：按Enter进入
    • 补全代码：变量、方法后跟 Tab键
    • 为一行或多行代码添加/取消注释： Ctrl+/ （Mac:CMD+/）
    • 复制当前行：Alt+Shift+↓
    • 等宽代码选取：Alt+Shif，然后推动鼠标选取目标区域
  • 其他(了解)：
    • 多光标操作： Ctrl键点击鼠标（Mac:CMD+点击鼠标）
    • 回退： Ctrl+Z （Mac:CMD+Z）
    • 重做： Ctrl+Y （Mac:CMD+Y)

markdown演示

 

作用：用作代码说明（标题）、模块划分

 

关于markdown的功能，非常多：标题，缩进，插入表格，插入图片等等。。。。

在这里我们掌握标题和缩进即可：

标题

在markdown模式下，标题使用“#”来表示，几个井号就代表几级标题，注意！井号后面要跟一个空格，否则markdowm将其无法识别为标题

 缩进

 在markdown模式下，缩进使用减号“-”来表示：

 

Jupyter Notebook功能拓展

在使用Notebook 时，有很多痛点，例如：无法代码格式化、代码补全功能一般，无目录导航、无代码行号。。。等功能，于是就有了一些功能强大的插件来弥补这些功能，jupyter_contrib_nbextensions就是其中之一。

 jupyter_contrib_nbextensions 是什么？​​

jupyter_contrib_nbextensions 是一个由社区维护的扩展集合，为 Jupyter Notebook 提供增强功能。它包含数十个实用插件，可以显著提升 Notebook 的交互性和效率。

  • 这是一个为 ​​Jupyter Notebook​​ 提供大量扩展插件的工具包，包含 50+ 个增强功能，例如：
    • ​​目录生成​​（Table of Contents）：自动为 Notebook 生成目录（支持多级标题跳转）。
    • ​​代码折叠​​（Codefolding）：折叠代码块或 Markdown 内容，提升代码可读性。
    • ​​自动补全​​（Hinterland）：类似 IDE 的代码提示（需配合 jupyter_nbextensions_configurator）。
    • ​​代码执行时间统计​​（ExecuteTime）：显示每个代码单元格的运行时间。
    • ​​代码格式化​​（Code Prettify）：通过快捷键格式化代码（如使用 autopep8）。
    • ​​主题切换​​（Theme）：切换界面风格
    • 拼写检查：对 Markdown 中的英文文本进行拼写检查。
  • ​​适合场景​​：对 Jupyter Notebook 功能有进阶需求的用户。

是否好用？​​

​​优点​​

  • ​​功能丰富​​：覆盖了 Notebook 开发的常见痛点（如目录导航、代码优化）。
  • ​​即装即用​​：通过 nbextensions 配置界面，勾选即可启用插件。
  • ​​社区支持​​：长期维护，用户基数大，问题解决资源多。

​​缺点​​

  • ​​仅支持 Notebook​​：不兼容 JupyterLab。
  • ​​部分扩展过时​​：某些插件可能在新版 Jupyter 中失效。
  • ​​性能影响​​：安装过多扩展可能拖慢 Notebook 启动速度。

​​总结​​

  • ​​推荐使用​​：如果你依赖 Jupyter Notebook 且需要增强功能，它是一个高效的选择。
  • ​​不推荐使用​​：如果已迁移到 JupyterLab，或追求轻量级工具。

如何安装 jupyter_contrib_nbextensions​​

注意 较新版本的jupyter notebook按照下述步骤安装可能会报错：ModuleNotFoundError: No module named 'notebook.nbextensions'

根本原因​​：
Jupyter Notebook ≥7.0 版本重构了代码结构，移除了 notebook.nbextensions 模块，导致依赖此模块的旧版 jupyter_contrib_nbextensions 无法运行。

  • 弃用提醒​​：jupyter_contrib_nbextensions 已不再积极维护，长期建议转向 JupyterLab。

解决方案​​

​​(1) 降级 Jupyter Notebook 到兼容版本​​

  • 环境隔离​​：专为旧版扩展创建独立环境，避免污染其他项目。
conda create -n jupyter_legacy python=3.9 notebook=6.5.5 -c conda-forge
conda activate jupyter_legacy
conda install -c conda-forge jupyter_contrib_nbextensions
jupyter contrib nbextension install --user

**************************************************************以下步骤在7.0以上版本的jupyter notebook环境下会报错，了解就好******************************************************************************************************

 

安装jupyter_contrib_nbextensions​​步骤如下：

# 安装扩展包
pip install jupyter_contrib_nbextensions
# 启用配置工具
python -m jupyter contrib nbextension install --user
# 启用扩展 
python -m jupyter nbextensions_configurator enable --user 
# 启动 Jupyter Notebook，在界面中勾选需要的扩展 
jupyter notebook
  • 启动 Jupyter Notebook，顶部菜单会多出 ​​Nbextensions​​ 标签，勾选所需功能即可。

 

 标题目录：

 ***********************************************************************上述扩展方式已经不在积极维护，会有很多报错，不建议使用-***********************************************************************************************************

jupyter_contrib_nbextensions​​平替方案推荐​​

根据你的需求场景，可以选择以下替代工具：

​​(1) 针对 JupyterLab 用户​​

​​JupyterLab 官方扩展​​：

  • ​​特点​​：专为 JupyterLab 设计，模块化程度更高，兼容性更好。
  • ​​推荐扩展​​：
    • @jupyterlab/toc：自动生成目录。
    • @jupyterlab/git：集成 Git 版本控制。
    • jupyterlab-lsp：代码自动补全和语法检查（类似 IDE）。
    • jupyterlab-code-formatter：代码格式化（支持 Black、Prettier）。

​​安装方式​​：

# 通过 pip 安装扩展
pip install jupyterlab-git jupyterlab-lsp

# 通过 JupyterLab 扩展管理器启用

(2) 轻量级替代工具​​

​​单功能插件​​：

  • 如果只需要特定功能，可单独安装小工具：
    • ​​目录生成​​：使用 nbconvert 导出时自动生成目录，或手动编写 Markdown 锚点。
  • ​​代码补全​​：安装 jupyter-lsp + python-lsp-server（支持 JupyterLab/Notebook）。

 

pip install jupyter-lsp python-lsp-server
  • 主题切换​​：直接修改 Jupyter 配置文件（~/.jupyter/custom/custom.css）或使用第三方主题库（如 jupyterthemes）。

 

(3) 现代化开发环境​​

​​VS Code + Jupyter 插件​​：

  • ​​优势​​：将 Jupyter Notebook 嵌入 VS Code，享受完整的 IDE 功能（调试、Git 集成、终端）。
  • ​​推荐功能​​：
    • 直接运行 .ipynb 文件。
    • 使用 VS Code 的代码补全、主题、扩展市场。
  • ​​安装​​：
    1. 安装 VS Code。
    2. 搜索并安装官方扩展 ​​Jupyter​​ 和 ​​Python​​。

​​(4) 其他工具​​

  • ​​Google Colab​​：
    • 云端 Notebook 环境，内置目录生成、GPU 加速等，适合临时实验。
  • ​​Deepnote​​：
    • 协作型云端 Notebook，支持实时共享和数据库直连。

综合建议​​

场景推荐工具
坚持使用 Jupyter Notebook jupyter_contrib_nbextensions
已迁移到 JupyterLab JupyterLab 官方扩展 + jupyterlab-lsp
追求 IDE 级功能 VS Code + Jupyter 插件
需要云端协作 Google Colab 或 Deepnote

注意事项​​

  • ​​版本兼容性​​：确保 Jupyter 版本与扩展兼容（建议使用最新稳定版）。
  • ​​按需启用​​：避免一次性启用过多扩展，可能引发冲突。
  • ​​备份配置​​：修改前备份 Jupyter 配置文件（~/.jupyter 目录）。

小结

  • 是什么
    • 是一个ipython的web加强版
  • 为什么要使用jupyter
    • 用于数据探索过程
  • 怎么用
    • 1.通过jupyter notebook 就可以使用
    • 2.保存文件是.ipynb
    • 3.每个内容,都对应的是一个cell
  • 快捷键
  • Shift+Enter，执行本单元代码，并跳转到下一单元
  • Ctrl+Enter，执行本单元代码，留在本单元

 

posted @ 2025-04-01 11:20  指尖下的世界  阅读(971)  评论(0)    收藏  举报