适合数据分析的ide---Jupyter Notebook的安装使用

简介: 适合数据分析的ide---Jupyter Notebook的安装使用

Jupyter Notebook

由于绘图在pycharm里面显示的不太美观,所以我们使用Jupyter Notebook

1、Jupyter Notebook介绍

Jupyter项目是一个非盈利的开源项目,源于2014年的ipython项目,因为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

2、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

pycharm必须把多有代码运行完之后,才能展示绘制的图

Jupyter Notebook可以立马展示出来

Jupyter Notebook展示图形也更美观

3、Jupyter Notebook启动

3.1.1 界面启动、创建文件

环境搭建好之后,本机输入jupyter notebook命令,会自动弹出浏览器窗口打开Jupyter Notebook

先创建虚拟环境

激活虚拟环境

在虚拟环境安装个各种包

matplotlib 主要是绘图

numpy

pandas

tables

jupyter

看下安装的包位置

启动Jupyter Notebook

命令行输入:jupyter notebook

在浏览器登录:http://localhost:8888

都一次需要根据token设置密码

从cmd命令行将token复制过来,并设置密码

想让jupyter打开指定目录,只要进入此目录后执行命令即可

3.1.2 新建notebook文档

notebook的文档格式是 .ipynb

默认是在这个目录

我们新建个文件夹

进入这个目录,新建python文件

3.1.3 内容界面操作–helloword

标题栏:点击标题(如 Untitled) 修改文档名

编辑栏

shift enter 是运行程序

3.1.4 设置中文界面

需要安装依赖包

pip install jupyterlab-language-pack-zh-CN

在界面切换为中文

重启之后,就是中文界面了

3.2 cell操作

什么是cell?

cell:一对 in out会话被视为一个代码单元,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:

按ESC退出编辑模式,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

3.2.1 鼠标操作

3.2.2 快捷操作

两种模式快捷键

shift enter 执行本单元代码,并跳到下一个单元

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:

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

Ctrl home 快速跳转到首个cell

Ctrl End 快速跳转到最后一个cell


编辑模式: 按Enter进入

补全代码:变量、方法后跟 Tab

为一行或多行代码添加/取消注释:Ctrl /


其他:

多光标操作:Ctrl键点击鼠标

回退:Ctrl Z

重做:Ctrl Y

3.3 markdown演示

掌握标题和缩进即可

首先按M 进入markdown模式

4. Jupyter Notebook中自动补全代码等相关功能拓展

4.1 安装jupyter_contrib_nbexetensions库

在命令行执行安装:

python -m pip install jupyter_contrib_nbextensions

然后执行:

jupyter contrib nbextension install --user --skip-running-check


安装完之后,点击edit–nbexetensions 可以对插件进行编辑

初次进来,disable是勾上的,我们把它取消

安装pep8

勾上我们需要的选项

然后就会有代码补全了


5.安装jupyter_contrib_nbextensions,提示报错No module named ‘notebook.base’。

1、pip install jupyter_contrib_nbextensions

2、jupyter contrib nbextension install --user

3、pip install jupyter_nbextensions_configurator 执行第二步的时候,提示报错。notebook界面打开后有nbextensions标签,但是点开后里面功能项。

经过一番查询,是版本问题,将notebook更改为6.1.0版本后问题解决。

pip install jupyter notebook==6.1.0

期间也曾找到降低版本的解决方式,其版本降低到5.0以下,尝试后连nbextensions标签也没有了。

基于变更版本的思路,尝试了继续变更notebook的版本。最后确定notebook==6.1.0。

然后安装就不再报错


相关文章
|
5天前
|
机器学习/深度学习 数据采集 DataWorks
数据分析经典案例重现:使用DataWorks Notebook 实现Kaggle竞赛之房价预测,成为数据分析大神!
Python是目前当之无愧的数据分析第一语言,大量的数据科学家使用Python来完成各种各样的数据科学任务。本文以Kaggle竞赛中的房价预测为例,结合DataWorks Notebook,完成数据加载、数据探索、数据可视化、数据清洗、特征分析、特征处理、机器学习、回归预测等步骤,主要Python工具是Pandas和SKLearn。本文中仅仅使用了线性回归这一最基本的机器学习模型,读者可以自行尝试其他更加复杂模型,比如随机森林、支持向量机、XGBoost等。
|
6月前
|
数据采集 机器学习/深度学习 数据可视化
使用Jupyter Notebook进行数据分析:入门与实践
【6月更文挑战第5天】Jupyter Notebook是数据科学家青睐的交互式计算环境,用于创建包含代码、方程、可视化和文本的文档。本文介绍了其基本用法和安装配置,通过一个数据分析案例展示了如何使用Notebook进行数据加载、清洗、预处理、探索、可视化以及建模。Notebook支持多种语言,提供直观的交互体验,便于结果呈现和分享。它是高效数据分析的得力工具,初学者可通过本文案例开始探索。
|
4月前
|
Python
Jupyter Notebook又一利器nbterm,在终端玩notebook!
Jupyter Notebook又一利器nbterm,在终端玩notebook!
|
4月前
|
存储 数据可视化 前端开发
7个Pandas&Jupyter特殊技巧,让Python数据分析更轻松
7个Pandas&Jupyter特殊技巧,让Python数据分析更轻松
|
4月前
|
存储 数据可视化 数据挖掘
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
80 0
|
6月前
|
文字识别 异构计算 Python
关于云端Jupyter Notebook的使用过程与感想
在自学Python时,由于家庭电脑使用冲突和设备老旧,转向云端平台。体验了多个服务:1. 魔搭modelscope(最喜欢,赠送资源丰富,社区活跃),2. Colaboratory(免费GPU,但有时重启,建议用阿里云),3. Deepnote(免费环境有限,但GPT-4代码生成功能强大),4. 飞桨aistudio(适合PaddlePaddle用户),5. ModelArts(曾有免费实例,现难找)。综合来看,阿里云的稳定性与服务更优,尤其是魔搭的自动代码修正功能。对于AIGC,推荐魔搭和付费版PAI-DSW。欢迎分享更多云端Jupyter平台体验。
352 1
|
5月前
|
数据采集 机器学习/深度学习 数据可视化
Jupyter Notebooks和IPython是交互式数据分析利器,提升效率。Jupyter是开源Web应用
【7月更文挑战第5天】Jupyter Notebooks和IPython是交互式数据分析利器,提升效率。Jupyter是开源Web应用,支持多语言,结合IPython的交互式解释器,便于编程和科学计算。两者提供即时反馈、丰富库支持、跨语言功能及协作共享。基本流程包括:数据导入(使用Pandas)、预处理、分析(借助Pandas、NumPy、Matplotlib)、模型训练(如随机森林)和评估。
58 0
|
6月前
|
Python 数据挖掘 数据可视化
Python数据分析——Pandas与Jupyter Notebook
【6月更文挑战第1天】 本文探讨了如何使用Python的Pandas库和Jupyter Notebook进行数据分析。首先,介绍了安装和设置步骤,然后展示了如何使用Pandas的DataFrame进行数据加载、清洗和基本分析。接着,通过Jupyter Notebook的交互式环境,演示了数据分析和可视化,包括直方图的创建。文章还涉及数据清洗,如处理缺失值,并展示了如何进行高级数据分析,如数据分组和聚合。此外,还提供了将分析结果导出到文件的方法。通过销售数据的完整案例,详细说明了从加载数据到可视化和结果导出的全过程。最后,讨论了进一步的分析和可视化技巧,如销售额趋势、产品销售排名和区域分布,以及
271 2
|
7月前
|
Ubuntu 网络安全 数据安全/隐私保护
使用SSH隧道将Ubuntu云服务器Jupyter Notebook端口映射到本地
这样,你就成功地将Ubuntu云服务器上的Jupyter Notebook端口映射到本地,使你能够通过本地浏览器访问并使用Jupyter Notebook。
504 1
|
7月前
|
Linux 数据安全/隐私保护
anaconda运行Notebook和jupyter报错resource.setrlimit(resource.RLIMIT_NOFILE, (soft, hard)) ValueError
anaconda运行Notebook和jupyter报错resource.setrlimit(resource.RLIMIT_NOFILE, (soft, hard)) ValueError
66 0