快速上手Jupyter Notebook | Python 数据可视化库 Matplotlib 快速入门之三

简介: 本节重点介绍了Jupyter Notebook的使用,cell操作以及快捷键的使用,以及简单了解markdown的用法。

简介Jupyter Notebook | Python 数据可视化库 Matplotlib 快速入门之二

Jupyter Notebook的使用-helloworld

界面启动、创建文件

界面启动

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

#进入虚拟环境
workon ai
#输入命令
jupyter notebook

还有一种方式是在终端输入ipython notebook也是可以打开的。

本地notebook的默认URL为:http://localhost:8888

想让notebook打开指定目录, 只要进入此目录后执行命令即可。

image.png

新建notebook文档
notebook的文档格式是.ipynb

image.png

内容界面操作-helloworld
标题栏:点击标题(如Untitled) 修改文档名 菜单栏

  • 导航-File-Download as, 另存为其他格式
  • 导航-Kernel

    • Interrupt, 中断代码执行(程序卡死时)
    • Restart, 重启Python内核(执行太慢时重置全部资源)
    • Restart&Clear Output, 重启并清除所有输出
    • Restart&Run All, 重启并重新运行所有代码

我们来输出一个hello world。

image.png

然后运行代码:快捷键(Shift+Enter)

image.png

也可以利用下图所示去运行:

image.png

然后我们来进行一个加法运算:

image.png

从上述两种方式来看,不进行print的的结果打印,会以out的形式进行输出,是交互模式的体现。

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。

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,或者鼠标在本单元格之外点击
    • 可以操作cell单元本身进行剪切/复制/粘贴/移动等操作

1)鼠标操作

image.png

2)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

cell行号前的*, 表示代码正在运行

  • 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
    • 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

    • 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)
    • 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+/)
    • 屏蔽自动输出信息:可在最后一条语句之后加一个分号

3)markdown演示
掌握标题和缩进即可。

image.png

显示效果:

image.png

我们可以通过图示来去看到markdown的演示效果:

image.png

配套视频课程,点击这里查看

获取更多资源请订阅Python学习站

相关文章
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
902 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
IDE 开发工具 Python
魔搭notebook在web IDE下,使用jupyter notebook,python扩展包无法更新升级
魔搭notebook在web IDE下,使用jupyter notebook,python扩展包无法更新升级,不升级无法使用,安装python扩展包的时候一直停留在installing
365 4
|
Linux 数据库 数据安全/隐私保护
Python web Django快速入门手册全栈版,共2590字,短小精悍
本教程涵盖Django从安装到数据库模型创建的全流程。第一章介绍Windows、Linux及macOS下虚拟环境搭建与Django安装验证;第二章讲解项目创建、迁移与运行;第三章演示应用APP创建及项目汉化;第四章说明超级用户创建与后台登录;第五章深入数据库模型设计,包括类与表的对应关系及模型创建步骤。内容精炼实用,适合快速入门Django全栈开发。
708 1
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
817 8
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
1121 5
|
数据采集 Web App开发 数据可视化
Python爬虫教程:Selenium可视化爬虫的快速入门
Python爬虫教程:Selenium可视化爬虫的快速入门
|
数据可视化 数据挖掘 API
使用Python进行数据可视化:探索Matplotlib和Seaborn库
【9月更文挑战第19天】在数据科学领域,将复杂的数据集转换成直观、易懂的图形是一项基本而关键的技能。本文旨在通过Python编程语言介绍两个强大的数据可视化库——Matplotlib和Seaborn,以及它们如何帮助数据分析师和研究人员揭示数据背后的故事。我们将从基础概念讲起,逐步深入到高级技巧,确保无论读者的背景如何,都能获得必要的知识和启发,以在自己的项目中实现有效的数据可视化。
|
机器学习/深度学习 数据可视化 数据挖掘
Python中的数据可视化:使用Matplotlib库绘制图表
【8月更文挑战第30天】数据可视化是数据科学和分析的关键组成部分,它帮助我们以直观的方式理解数据。在Python中,Matplotlib是一个广泛使用的绘图库,提供了丰富的功能来创建各种类型的图表。本文将介绍如何使用Matplotlib库进行数据可视化,包括安装、基本概念、绘制不同类型的图表以及自定义图表样式。我们将通过实际代码示例来演示如何应用这些知识,使读者能够轻松地在自己的项目中实现数据可视化。
|
数据可视化 Python
【100天精通Python】Day62:Python可视化_Matplotlib绘图基础,绘制折线图、散点图、柱状图、直方图和饼图,以及自定义图标外观和功能,示例+代码
【100天精通Python】Day62:Python可视化_Matplotlib绘图基础,绘制折线图、散点图、柱状图、直方图和饼图,以及自定义图标外观和功能,示例+代码
1256 0