Jupyter Notebook使用小技巧

简介: 在 C:\Windows\Fonts目录下找到Mircosoft YaHei UI字体,然后复制到[你的Python安装路径]/Lib/site-packages/matplotlib/mpl-data/fonts/ttf目录下即可解决Matplotlib中文乱码的问题。
  1. C:\Windows\Fonts目录下找到Mircosoft YaHei UI字体,然后复制到[你的Python安装路径]/Lib/site-packages/matplotlib/mpl-data/fonts/ttf目录下即可解决Matplotlib中文乱码的问题。
  2. Jupyter Notebook的27个秘诀,技巧和快捷键
  3. jupyter notebook 嵌入到博客
    在博客(MarkDown模式)里嵌入如下代码:

    [code]
    

src 里面写入自己想引用的源链接,但必须基于 nbviewer.jupyter.org;你可以打开http://nbviewer.jupyter.org 查看相关的使用方法;这里
[code]

1 字体、颜色、字号

MarkDown全篇是统一使用黑色微软雅黑字体,字号默认为3,而HTML却可以像Word那样灵活,引入大量字体包、颜色和字号,例如在MarkDown:

Hello world
-  黑体: Hello world 
-  STCAIYUN: hello world 
-  Terminal: Hello world 
-  Consolas: Hello world 
-  Consolas,2,#DC143C: Hello world 
-  Consolas,2,(220, 20, 60): Hello world 
-  Consolas,2,Crimson: Hello world 
-  Consolas,2,Crimson: Hello world 

展示如下:

Hello world

  • 黑体: Hello world
  • STCAIYUN: hello world
  • Terminal: Hello world
  • Consolas: Hello world
  • Consolas,2,#DC143C: Hello world
  • Consolas,2,(220, 20, 60): Hello world
  • Consolas,2,Crimson: Hello world
  • Consolas,2,Crimson: Hello world

font主要包含三个参数:字体(face),字号(size)和颜色(color),顺序可调,也可缺省。

  • size的可选范围为 1-7,小于 \(1\) 的数值等价于 \(1\),超过\(7\)的数值等价于\(7\));
  • color的赋值既可以使用颜色名,例如BlueBlackCrimson等,也可以使用十六进制的颜色值 #0000FF#000000#DC143C 等。

再来看数学字符及公式,MarkDown 中使用标识符 $$$$$$ 即可表示引入 LaTeX 语法,前者使用时不换行,即在所使用位置使用 LaTeX 的格式,后者会换行后居中,例如:

$$
f(x;\mu,\sigma^2) = \frac{1}{\sigma\sqrt{2\pi}} e^{ -\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2 } \tag{1}
$$

where $\mu$ is the mean value, $\sigma^2$ is standard deviation.

展示如下:

\[ f(x;\mu,\sigma^2) = \frac{1}{\sigma\sqrt{2\pi}} e^{ -\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2 } \tag{1} \]

where \(\mu\) is the mean value, \(\sigma^2\) is standard deviation.

一些基本的LaTeX公式命令可参考:Markdown公式(二)

下面说下矩阵和表达式:

$$ 
\left[ \begin{matrix}
    b_{1}&c_{1}& & & &0 \\
    a_{2}&b_{2}&c_{2}& & & \\ 
     &a_{3}&b_{3}&\ddots& &  \\
     & &\ddots&\ddots&c_{n-1} & \\
    0& & & &a_{n}&b_{n}
\end{matrix}\right] 
\left[ \begin{matrix}
    x_{1} \\
    x_{2} \\ 
    x_{3} \\
    \vdots\\
    x_{n}
\end{matrix}\right]  = 
\left[ \begin{matrix}
    d_{1} \\
    d_{2} \\ 
    d_{3} \\
    \vdots\\
    d_{n}
\end{matrix}\right]
\tag{2}
$$

$$ c'_i =
\begin{cases} 
\begin{array}{lcl}
  \cfrac{c_i}{b_i}                   & & ; i = 1 \\
  \cfrac{c_i}{b_i - a_i c'_{i - 1}}  & & ; i = 2, 3, \dots, n-1 \\
\end{array}
\end{cases}
\tag{3}$$
$$

展示如下

\[  \left[ \begin{matrix}     b_{1}&c_{1}& & & &0 \\     a_{2}&b_{2}&c_{2}& & & \\       &a_{3}&b_{3}&\ddots& &  \\      & &\ddots&\ddots&c_{n-1} & \\     0& & & &a_{n}&b_{n} \end{matrix}\right]  \left[ \begin{matrix}     x_{1} \\     x_{2} \\      x_{3} \\     \vdots\\     x_{n} \end{matrix}\right]  =  \left[ \begin{matrix}     d_{1} \\     d_{2} \\      d_{3} \\     \vdots\\     d_{n} \end{matrix}\right] \tag{2} \]

\[ c'_i = \begin{cases}  \begin{array}{lcl}   \cfrac{c_i}{b_i}                   & & ; i = 1 \\   \cfrac{c_i}{b_i - a_i c'_{i - 1}}  & & ; i = 2, 3, \dots, n-1 \\ \end{array} \end{cases} \tag{3} \]

3 图片排版

以网络上的一段图文为例:

![KarplusStrong](http://img.blog.csdn.net/20150925112421105)

Fig 1: Rigidly terminated string with the simplest frequency-dependent loss filter.  All loss factors (possibly including losses due to yielding terminations) have been consolidated at a single point and replaced by a one-zero filter approximation.

imshow:

![KarplusStrong](http://img.blog.csdn.net/20150925112421105)

Fig 1: Rigidly terminated string with the simplest frequency-dependent loss filter.  All loss factors (possibly including losses due to yielding terminations) have been consolidated at a single point and replaced by a one-zero filter approximation.

当然也可以简化只使用 :


![Panda](http://img.blog.csdn.net/20151109165400641)
Panda

![Panda](http://img.blog.csdn.net/20151109165400641)Panda

MarkDown 图片大小问题

引用自:文章链接: http://blog.csdn.net/yhl_leo/article/details/50099843

MarkDown里显示图片的方式可以引入 HTML 方法:

\(512 \times 512\) 的 lena 图像为例:

直接以MarkDown插入图片的方法,图片就会靠在左侧,大小也不由自己决定:

![lena](https://yqfile.alicdn.com/img_163cb7885672079cb727aad8617c4369.jpeg)

lena

固定图片显示大小:

  • 其中 src 后面接的就是图像对象,widthheight 设置的是显示图像的尺寸。

根据一定比例显示:

如果想给图像加个标注

可以这么做:



Figure 1. Lena

Figure 1. Lena

如果想让图和标注间距离增大,可以这么做:

注意... 表示居中



$ $
Figure 1. Lena

$ $$ $Figure 1. Lena

图片的对齐方式

使用 html 中的 div 标签,它有个对齐属性 align,可以指定为 leftcenterright 以实现左对齐居中对齐右对齐。不过经我实验,这种方式 div 标签之间不能放 Markdown 图片链接语法,而只能是 html 的语法格式,因此还要配合 标签使用。

CSDN图标

Graph

更多参考Markdown 简明语法参考

至于更复杂的操作,可以查阅更多资料。对于使用一些网页上不错的用法时,建议可以通过查看网页源码,找到对应的HTML源码,稍作调整即可应用到文档写作中:

探寻有趣之事!

目录
相关文章
|
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!
|
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。
329 1
|
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
254 2
|
7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
123 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。
491 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
63 0
|
7月前
|
自然语言处理 数据可视化 数据挖掘
Python 的科学计算和数据分析: 解释什么是 Jupyter Notebook?
Python科学计算与数据分析中,借助`numpy`进行数值计算,`matplotlib`用于绘图。Jupyter Notebook提供交互式编程环境,支持多语言,集成各种可视化工具。其优势在于结合代码、结果和文本,提升工作效率,具备自动补全、语法高亮等特性。示例展示了导入库,生成随机数据并用`matplotlib`画正弦波图的过程。Jupyter Notebook虽便捷,但复杂任务可能需结合`scipy`、`pandas`等更多库。
84 4
|
7月前
|
Linux 数据安全/隐私保护 Python
Linux下远程访问Jupyter Notebook 配置
Linux下远程访问Jupyter Notebook 配置
115 1
|
7月前
|
机器学习/深度学习 数据可视化 数据挖掘
Jupyter Notebook交互式开源笔记本工具
Jupyter Notebook交互式开源笔记本工具
127 1