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
|
13天前
|
机器学习/深度学习 数据采集 数据可视化
Python/Anaconda双方案加持!Jupyter Notebook全平台下载教程来袭
Jupyter Notebook 是一款交互式编程与数据科学分析工具,支持40多种编程语言,广泛应用于机器学习、数据清洗和学术研究。其核心优势包括实时执行代码片段、支持Markdown文档与LaTeX公式混排,并可导出HTML/PDF/幻灯片等格式。本文详细介绍了Jupyter Notebook的软件定位、特性、安装方案(Anaconda集成环境与原生Python+PIP安装)、首次运行配置及常见问题解决方案,帮助用户快速上手并高效使用该工具。
|
3月前
|
数据可视化 数据挖掘 DataX
Python 数据可视化的完整指南
Python 数据可视化在数据分析和科学研究中至关重要,它能帮助我们理解数据、发现规律并以直观方式呈现复杂信息。Python 提供了丰富的可视化库,如 Matplotlib、Seaborn、Plotly 和 Pandas 的绘图功能,使得图表生成简单高效。本文通过具体代码示例和案例,介绍了折线图、柱状图、饼图、散点图、箱形图、热力图和小提琴图等常用图表类型,并讲解了自定义样式和高级技巧,帮助读者更好地掌握 Python 数据可视化工具的应用。
215 3
|
3月前
|
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。
133 8
|
3月前
|
数据可视化 Python
使用Python进行数据可视化的初学者指南
在数据的海洋里,我们如何能够不迷失方向?通过数据可视化的力量,我们可以将复杂的数据集转化为易于理解的图形和图表。本文旨在为初学者提供一份简明的入门手册,介绍如何使用Python中的Matplotlib库来揭示数据背后的故事。我们将从基础的图表开始,逐步深入到更高级的可视化技术,确保每个步骤都清晰易懂,让初学者也能轻松上手。让我们开始绘制属于你自己的数据图谱吧!
|
4月前
|
机器学习/深度学习 人工智能 数据可视化
使用Python进行数据可视化:探索与实践
在数字时代的浪潮中,数据可视化成为了沟通复杂信息和洞察数据背后故事的重要工具。本文将引导读者通过Python这一强大的编程语言,利用其丰富的库函数,轻松入门并掌握数据可视化的基础技能。我们将从简单的图表创建开始,逐步深入到交互式图表的制作,最终实现复杂数据的动态呈现。无论你是数据分析新手,还是希望提升报告吸引力的专业人士,这篇文章都将是你的理想指南。
108 9
|
4月前
|
数据可视化 数据挖掘 定位技术
Python和Geopandas进行地理数据可视化
【10月更文挑战第22天】本文介绍了如何使用Python和Geopandas进行地理数据可视化和分析,涵盖从准备工作、加载数据、数据探索与处理、地理数据可视化、空间分析与查询到交互式地理数据可视化等内容。通过丰富的代码示例和案例演示,帮助读者掌握地理数据分析的基本方法,为实际应用提供支持。
286 19
|
4月前
|
数据可视化 数据处理 Python
Python编程中的数据可视化技术
在Python编程中,数据可视化是一项强大的工具,它能够将复杂的数据集转化为易于理解的图形。本文将介绍如何使用matplotlib和pandas这两个流行的Python库来实现数据可视化,并展示一些实用的代码示例。通过这些示例,读者将学会如何创建各种图表,包括折线图、柱状图和散点图等,以便更好地理解和呈现数据。
|
4月前
|
移动开发 数据可视化 数据挖掘
利用Python实现数据可视化:以Matplotlib和Seaborn为例
【10月更文挑战第37天】本文旨在引导读者理解并掌握使用Python进行数据可视化的基本方法。通过深入浅出的介绍,我们将探索如何使用两个流行的库——Matplotlib和Seaborn,来创建引人入胜的图表。文章将通过具体示例展示如何从简单的图表开始,逐步过渡到更复杂的可视化技术,帮助初学者构建起强大的数据呈现能力。
|
4月前
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一,但默认生成的图表是静态的。通过结合 mpld3 库,可以轻松创建交互式图表,提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图,并提供了详细的代码示例和安装方法。通过添加插件,可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
144 5
|
4月前
|
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。
219 5