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
|
5天前
|
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。
39 19
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
【10月更文挑战第4天】「Mac上学Python 5」入门篇5 - Jupyter 环境配置与高效使用技巧
本篇将介绍如何在Mac系统上安装和配置Jupyter,并详细介绍Jupyter Notebook的一些常用“神奇函数”。Jupyter是一个支持交互式计算的工具,广泛用于数据分析、机器学习等领域,通过学习本篇,用户将能够在Python项目中高效使用Jupyter Notebook。
63 3
【10月更文挑战第4天】「Mac上学Python 5」入门篇5 - Jupyter 环境配置与高效使用技巧
|
16天前
|
数据可视化 数据挖掘 Python
使用Python进行数据可视化:探索与实践
【10月更文挑战第21天】本文旨在通过Python编程,介绍如何利用数据可视化技术来揭示数据背后的信息和趋势。我们将从基础的图表创建开始,逐步深入到高级可视化技巧,包括交互式图表和动态展示。文章将引导读者理解不同图表类型适用的场景,并教授如何使用流行的库如Matplotlib和Seaborn来制作美观且具有洞察力的可视化作品。
41 7
|
15天前
|
数据可视化 定位技术 Python
使用Python进行数据可视化
【10月更文挑战第22天】在这篇文章中,我们将深入探讨如何使用Python进行数据可视化。我们将从基础的图表开始,然后逐步进入更复杂的可视化技术。我们将通过实例代码来展示如何实现这些可视化,以便读者能够更好地理解和应用这些技术。
18 5
|
17天前
|
数据可视化 Python
使用Python进行数据可视化的初学者指南
【10月更文挑战第20天】本文旨在为编程新手提供一个简洁明了的入门指南,通过Python语言实现数据可视化。我们会介绍如何安装必要的库、理解数据结构,并利用这些知识来创建基本图表。文章将用通俗易懂的语言和示例代码,帮助读者快速掌握数据可视化的基础技能。
27 4
|
30天前
|
数据可视化 开发者 Python
使用Python进行数据可视化:从入门到精通
【10月更文挑战第7天】本文将引导您通过Python的可视化库,如Matplotlib和Seaborn,来探索和展示数据。我们将通过实际代码示例,学习如何创建各种图表,包括条形图、散点图和直方图等,并讨论如何优化这些图表以更好地传达信息。无论您是初学者还是有一定基础的开发者,这篇文章都能帮助您提高数据可视化技能。
|
1月前
|
数据可视化 Python
Python编程之数据可视化入门
【10月更文挑战第4天】在数字时代的洪流中,数据如同星辰般璀璨,而将它们绘制成图表,便是我们探索宇宙的方式。本文将带你启航,用Python这艘航船,驶向数据可视化的奥秘。我们将从安装必要的工具包开始,逐步深入到数据的呈现,最后通过代码示例点亮知识的灯塔,指引你在数据海洋中航行。让我们握紧舵盘,乘风破浪,揭开数据背后的故事吧!
|
17天前
|
数据可视化 数据挖掘 定位技术
Python中利用Bokeh创建动态数据可视化
【10月更文挑战第14天】本文介绍了如何使用 Bokeh 库在 Python 中创建动态数据可视化。Bokeh 是一个强大的开源可视化工具,支持交互式图表和大规模数据集的可视化。文章从安装 Bokeh 开始,逐步讲解了如何创建动态折线图,并添加了交互式控件如按钮、滑块和下拉菜单,以实现数据更新频率的调节和颜色选择。通过这些示例,读者可以掌握 Bokeh 的基本用法,进一步探索其丰富功能,创建更具吸引力和实用性的动态数据可视化。
24 0
|
25天前
|
数据可视化 定位技术 Python
Python数据可视化--Matplotlib--入门
Python数据可视化--Matplotlib--入门
22 0
|
2月前
|
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。
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。
下一篇
无影云桌面