机器学习 | Jupyter Notebook安装与使用

简介: 机器学习 | Jupyter Notebook安装与使用

jupyter notebook安装与配置

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,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。

安装jupyter notebook的命令如下,直接在cmd命令行执行即可

pip install jupyter

启动jupyter notebook

jupyter notebook

进入界面后,就可以选在在哪个文件夹下操作,我们也可以自己配置jupyter notebook打开默认进入的目录。

首先查看jupyter notebook的安装目录,执行命令

jupyter notebook --generate-config

打开文件 jupyter_notebook_config.py 配置自己的文件路径,使用notepad++打开文件,并在文件中搜索 c.NotebookApp.notebook_dir = ‘’,在这个地方添加一句 c.NotebookApp.notebook_dir = ‘E:\JupyterNote’ 即可,注意要放开注释。

进入jupyter notebook后,新建一个python文件

下面就可以写python代码并运行,或者进行markdown文档的编写。

cell操作

什么是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总共支持两种模式:

  • 一种是编辑模式(Enter),在命令模式下回车Enter或鼠标双击cell进入编辑模式,编辑模式下可以操作cell内文本或代码,剪切、复制、粘贴、移动等操作。
  • 另一种是命令模式(Esc),按Esc退出编辑,进入命令模式,在命令模式下可以操作cell单元本身进行剪切、复制、粘贴、移动等操作。

两种模式下的快捷键操作

① 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

② 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 -->

③ 编辑模式:按Enter进入

  • 补全代码:变量、方法后按Tab键
  • 为一行或多行代码添加/取消注释:Ctrl+/(Mac:CMD+/)
  • 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)

相关文章
|
5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。
|
1月前
|
JavaScript iOS开发 MacOS
Jupyter模块Plotly及labextension插件的安装
Jupyter模块Plotly及labextension插件的安装
|
3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!
|
3月前
|
机器学习/深度学习 Ubuntu Linux
【机器学习 Azure Machine Learning】使用Aure虚拟机搭建Jupyter notebook环境,为Machine Learning做准备(Ubuntu 18.04,Linux)
【机器学习 Azure Machine Learning】使用Aure虚拟机搭建Jupyter notebook环境,为Machine Learning做准备(Ubuntu 18.04,Linux)
|
3月前
|
机器学习/深度学习 算法
【Deepin 20系统】机器学习分类算法模型xgboost、lightgbm、catboost安装及使用
介绍了在Deepin 20系统上使用pip命令通过清华大学镜像源安装xgboost、lightgbm和catboost三个机器学习分类算法库的过程。
48 4
|
5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。
259 1
|
5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
191 2
|
5月前
|
机器学习/深度学习 人工智能 IDE
人工智能平台PAI操作报错合集之交互式建模(DSW)环境中,numpy模块如何正确安装
阿里云人工智能平台PAI (Platform for Artificial Intelligence) 是阿里云推出的一套全面、易用的机器学习和深度学习平台,旨在帮助企业、开发者和数据科学家快速构建、训练、部署和管理人工智能模型。在使用阿里云人工智能平台PAI进行操作时,可能会遇到各种类型的错误。以下列举了一些常见的报错情况及其可能的原因和解决方法。
|
6月前
|
JSON 数据可视化 数据挖掘
适合数据分析的ide---Jupyter Notebook的安装使用
适合数据分析的ide---Jupyter Notebook的安装使用
114 2
|
6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。
457 1