Python工具之Jupyter Notebook的安装与使用指南

一、开篇：既是笔记本，也是编程环境

在Python的世界里，有一个非常特殊的工具——Jupyter Notebook。它既不是传统意义上的编辑器，也不是IDE，而是一个基于网页的交互式编程笔记本。

Jupyter Notebook的核心理念是：把代码、运行结果、图表、文字说明全部整合在一个"笔记本"里。你在同一个页面上写完代码，立刻看到结果，然后在下面写一段分析文字，再画一个图表——所有内容无缝衔接。

这种体验特别适合数据分析、科学计算、机器学习的探索过程。事实上，Jupyter已经成为数据科学领域的事实标准工具。

二、Jupyter Notebook是什么

2.1 名字的由来

Jupyter这个名字来自三种编程语言的首字母：

• Julia
• Python
• R

这三种语言是数据科学和科学计算领域最主流的语言。Jupyter最初是为Python开发的（当时叫IPython Notebook），后来扩展到支持几十种编程语言。

2.2 核心概念：Cell（单元格）

Jupyter Notebook的基本单位是单元格（Cell）。每个单元格可以是：

• 代码单元格（Code Cell）：里面写Python代码，运行后显示输出结果
• Markdown单元格（Markdown Cell）：里面写文字（支持Markdown格式），用于解释和说明

一个典型的Notebook就像这样：

┌──────────────────────────────────────────────┐
│ [Markdown Cell]                              │
│ # 数据分析报告                                │
│ 本报告分析了2024年第一季度的销售数据...        │
├──────────────────────────────────────────────┤
│ [Code Cell]                                  │
│ import pandas as pd                          │
│ import matplotlib.pyplot as plt              │
│ df = pd.read_csv('sales.csv')                │
│ df.head()                                    │
├──────────────────────────────────────────────┤
│ [输出结果]                                    │
│     月份   销售额   利润                       │
│ 0   1月   120000   15000                      │
│ 1   2月   135000   18000                      │
│ ...                                         │
├──────────────────────────────────────────────┤
│ [Markdown Cell]                              │
│ 从上表可以看出，2月份的销售额有明显增长...     │
└──────────────────────────────────────────────┘

你可以逐个运行代码单元格，每次运行的结果会保留在单元格下方，形成一个完整的分析记录。

2.3 和传统IDE的区别

三、安装Jupyter Notebook

3.1 用pip安装（推荐）

打开命令行，执行：

pip install jupyter

如果你的电脑上有多个Python版本，确保用你想要的Python版本对应的pip：

# Windows
python -m pip install jupyter

# Mac
python3 -m pip install jupyter

安装完成后验证：

jupyter --version
# 输出类似：
# IPython          : 8.x.x
# ipykernel        : 6.x.x
# jupyter_client   : 8.x.x
# jupyter_core     : 5.x.x
# notebook         : 7.x.x

3.2 用Anaconda安装

如果你安装了Anaconda（一个数据科学平台，包含了Python+众多科学计算库），Jupyter Notebook已经内置了，不需要额外安装。直接在Anaconda Navigator中点击Jupyter Notebook的"Launch"按钮即可。

3.3 Jupyter Notebook vs Jupyter Lab

安装了jupyter之后，你实际上获得了两个工具：

• Jupyter Notebook：经典的笔记本界面，简单直观
• Jupyter Lab：新一代界面，更像一个完整的IDE（有文件管理器、终端、多标签页等）

# 启动经典Notebook
jupyter notebook

# 启动Jupyter Lab
jupyter lab

如果你是新手，建议从Jupyter Notebook开始。它的界面更简单，功能刚好够用。等你熟悉之后再尝试Jupyter Lab，会发现它更强大。

四、启动和使用Jupyter Notebook

4.1 启动Notebook服务器

① 打开命令行（Windows用CMD或PowerShell，Mac用Terminal）

② cd 到你想要存放Notebook文件的目录：

cd D:\PythonProjects\notebooks

③ 输入启动命令：

jupyter notebook

④ 命令行会出现类似这样的输出：

[I 10:30:00.123 NotebookApp] Serving notebooks from local directory: D:\PythonProjects\notebooks
[I 10:30:00.123 NotebookApp] Jupyter Notebook 7.x.x is running at:
[I 10:30:00.123 NotebookApp] http://localhost:8888/tree?token=...

⑤ 你的默认浏览器会自动打开 http://localhost:8888/tree，这就是Jupyter Notebook的Web界面。

启动Jupyter Notebook的命令行窗口不要关闭！关闭它=关闭服务器=Notebook无法使用。让它最小化在后台就好。

4.2 界面介绍

打开后的页面就是文件管理页（Dashboard），显示当前目录下的所有文件和文件夹。

• "Files"标签：文件浏览器，显示当前目录的内容
• "Running"标签：查看当前正在运行的Notebook
• "Clusters"标签：并行计算相关（一般用不到）

在Files标签中，你可以：

• 点击已有的 .ipynb 文件打开它
• 点击右上角的"New" → “Python 3” 创建新的Notebook

4.3 创建你的第一个Notebook

① 点击右上角 “New” → “Python 3 (ipykernel)”，创建一个新笔记本。

② 浏览器会打开一个新标签页，标题栏显示"Untitled"。

③ 页面中间有一个空白的代码单元格，光标在里面闪烁。

④ 在单元格中输入以下代码：

print('欢迎来到Jupyter Notebook的世界！')
# 做一些计算
result = 0
for i in range(1, 101):
    result += i
print(f'1到100的和是：{result}')
# 列出当前目录下的文件
import os
for file in os.listdir('.'):
    print(f'  📄 {file}')

⑤ 按 Shift + Enter（或点击工具栏的▶"运行"按钮），执行这个单元格。

⑥ 单元格下方出现输出结果，同时自动创建了一个新的空单元格。

✅ 恭喜，你已经创建并运行了你的第一个Jupyter Notebook！

4.4 重命名Notebook

点击页面顶部的标题"Untitled"→输入新名字→点击"Rename"。

# 也可以在Notebook的第一个代码单元格中查看当前文件名
import os
print(os.path.basename(os.getcwd()))

五、两种单元格详解

5.1 代码单元格（Code Cell）

代码单元格就是你写Python代码的地方。选中单元格后，它的边框会变成蓝色（命令模式）或绿色（编辑模式）。

在单元格中写代码：

# 这是一个代码单元格，可以写任何Python代码
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 生成一些数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 创建图表
plt.figure(figsize=(10, 4))
plt.plot(x, y, 'b-', linewidth=2, label='sin(x)')
plt.plot(x, np.cos(x), 'r--', linewidth=2, label='cos(x)')
plt.grid(True, alpha=0.3)
plt.legend()
plt.title('正弦和余弦函数')
plt.show()

运行后，图表会直接显示在单元格下面。

⌨️ 代码单元格的一个重要特性：变量在单元格之间是共享的。你在第一个单元格定义的变量，在第二个单元格中可以直接使用：

# 单元格1
name = '小明'
age = 25

# 单元格2（在单元格1之后运行）
print(f'{name}今年{age}岁')  # 可以访问name和age！

但这也意味着：单元格的运行顺序很重要。如果你跳着运行单元格（比如先运行单元格3再运行单元格1），可能会导致变量未定义的错误。Notebook的工具栏左侧会显示每个单元格的执行序号（如 [1]、[2]），帮你追踪执行顺序。

5.2 Markdown单元格

Markdown单元格用来写文字说明（不是代码，不能执行Python命令）。在单元格中直接写Markdown格式的文字。

切换单元格类型：选中一个单元格，在工具栏上的下拉菜单中选择 “Code” 或 “Markdown”。

要编辑Markdown单元格，双击它即可进入编辑模式。写完文字后按 Shift + Enter 渲染显示。

Markdown支持的语法：

# 一级标题
## 二级标题
### 三级标题

**加粗文字**
*斜体文字*

- 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

[链接文字](https://python.org)

![图片说明](图片URL)

`行内代码`

> 引用文字

---
水平分割线

在Notebook中，Markdown单元格还支持数学公式（用LaTeX语法，用$包裹）：

行内公式：$E = mc^2$

独立公式：
$$
\int_{0}^{\infty} e^{-x^2} dx = \frac{\sqrt{\pi}}{2}
$$

这在写数据分析报告时非常有用。

六、魔法命令（Magic Commands）

Jupyter Notebook里有一种特殊的命令，以 % 开头，叫做"魔法命令"（Magic Commands）。它们不是Python语法，而是Jupyter提供的额外功能。

6.1 行魔法命令（以%开头）

# %timeit - 测量代码执行时间
%timeit sum(range(1000000))
# 输出：9.23 ms ± 98.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

# %time - 测量单次运行时间
%time result = sum(range(1000000))
# 输出：CPU times: user 22 ms, sys: 0 ns, total: 22 ms

# %matplotlib inline - 让matplotlib图表内嵌显示在Notebook中
%matplotlib inline

# %run - 运行外部Python脚本
%run hello.py

# %who - 列出当前所有已定义的变量
%who

# %whos - 更详细地列出变量（包括类型和值）
%whos

# %reset - 清除所有变量
%reset

# %pwd - 显示当前工作目录
%pwd

# %ls - 列出当前目录的文件
%ls

# %history - 查看命令历史
%history

6.2 单元格魔法命令（以%%开头）

作用于整个单元格：

%%time
# 测量整个单元格的运行时间
import time
result = 0
for i in range(10000000):
    result += i
time.sleep(1)
print(f'结果：{result}')

%%writefile my_script.py
# 将单元格内容写入文件
def hello():
    print('这个函数被写入了my_script.py文件')

%%bash
# 在Notebook中运行bash命令（Mac/Linux）
echo "当前目录：$(pwd)"
ls -la

6.3 其他实用魔法命令

# 查看函数的源代码
import os
os.path.join??
# 或者
??os.path.join
# 查看对象的帮助文档
len?
# 在Notebook中安装包
!pip install requests
# 执行系统命令
!dir   # Windows
!ls    # Mac/Linux

七、快捷操作与技巧

7.1 两种模式

Jupyter Notebook有命令模式和编辑模式，这是理解操作的关键：

• 命令模式（蓝色边框）：按 Esc 进入。在此模式下的按键是给Notebook的命令（如创建、删除、移动单元格）
• 编辑模式（绿色边框）：按 Enter 进入。在此模式下可以在单元格中打字

7.2 常用快捷键（命令模式下）

7.3 快捷键（编辑模式下）

常用快捷键每天用，一周左右就能形成肌肉记忆。刚开始记不住也没关系，用鼠标操作一样能完成所有工作。

八、导出和分享

8.1 导出为不同格式

Jupyter Notebook支持导出为多种格式：

点击 File → Save and Export Notebook As...：

• HTML（.html）：可以在浏览器中查看，不需要Python环境
• PDF（.pdf）：适合打印或正式报告
• Markdown（.md）：适合发布到GitHub
• Python脚本（.py）：提取所有代码单元格，转为可执行的Python文件
• Reveal.js幻灯片：用Notebook做PPT演示

8.2 导出为PDF前需要准备

导出PDF需要安装LaTeX（一个排版系统）。如果只想简单分享，导出为HTML然后再用浏览器"打印→另存为PDF"是最方便的方式。

8.3 在GitHub上展示

GitHub原生支持渲染 .ipynb 文件！你只需把 .ipynb 文件推送到GitHub仓库中，它就能在网页上直接显示完整的Notebook内容（包括代码、输出和图表）。

这也是为什么很多数据分析项目选择用Jupyter Notebook——分享起来非常方便。

九、Jupyter适用的场景

9.1 最适合的场景

✅ 数据探索与分析：一边写代码，一边看结果，一边写分析，三位一体
✅ 学习Python：可以分知识点逐个单元格运行，实验性很强
✅ 教学演示：老师边讲边写代码，学生实时看到效果
✅ 科学计算：公式推导配代码验证，一步到位
✅ 机器学习实验：数据处理→模型训练→结果评估→可视化，全在一个文档里
✅ 数据报告：把分析过程和结论整合成一份可读的文档

9.2 不太适合的场景

❌ 大型工程项目：代码分散在多个单元格中，不利于版本控制和模块化管理
❌ Web后端开发：需要持续运行的服务器程序
❌ GUI桌面应用：依赖事件的界面程序
❌ 生产环境部署：Notebook不适合作为生产环境的运行方式

十、本篇小结

Jupyter Notebook是一个独特的交互式编程环境，它把代码、结果、图表和文字融合在一起。核心要点：

1. 单元格（Cell） 是基本单位，分为Code（代码）和Markdown（文字）两种
2. 变量在单元格间共享，但要注意执行顺序
3. 魔法命令（如%timeit、%matplotlib inline）提供额外功能
4. 两种模式：命令模式（蓝色）和编辑模式（绿色），各有不同的快捷键
5. 最佳场景：数据分析、机器学习、科学计算、教学演示

以上就是Python工具之Jupyter Notebook的安装与使用指南的详细内容，更多关于Jupyter Notebook安装与使用的资料请关注脚本之家其它相关文章！