Jupyter Notebook 使用教程
1. 简介
Jupyter Notebook 是一个开源的 Web 应用程序，允许你创建和共享包含实时代码、方程、可视化和叙述性文本的文档。它支持多种编程语言，但最常用于 Python 编程和数据科学。
1.1 为什么使用 Jupyter Notebook？
- 交互性：你可以实时运行代码并立即看到结果。
- 文档化：支持 Markdown 和 LaTeX，方便编写文档和公式。
- 可视化：内置支持 Matplotlib 等库，方便数据可视化。
- 共享性：可以导出为多种格式（如 HTML、PDF、Markdown），方便分享。
2. 安装 Jupyter Notebook
2.1 安装 Python
首先，确保你已经安装了 Python。你可以从 Python 官方网站 下载并安装最新版本的 Python。
2.2 安装 Jupyter Notebook
使用 pip 安装 Jupyter Notebook：
pip install notebook
2.3 启动 Jupyter Notebook
在命令行中输入以下命令启动 Jupyter Notebook：
jupyter notebook
这将打开一个浏览器窗口，显示 Jupyter Notebook 的界面。
3. Jupyter Notebook 界面介绍
3.1 主界面
- Files：显示当前目录下的所有文件和文件夹。
- Running：显示当前正在运行的 Notebook 和终端。
- Clusters：用于 IPython 并行计算（通常不常用）。
3.2 创建新 Notebook
点击右上角的 New 按钮，选择 Python 3 创建一个新的 Notebook。
4. 基本操作
4.1 单元格类型
Jupyter Notebook 有两种主要的单元格类型：
- Code 单元格：用于编写和执行代码。
- Markdown 单元格：用于编写文本、公式和注释。
4.2 运行单元格
- 运行代码单元格：按
Shift + Enter或点击Run按钮。 - 运行 Markdown 单元格：按
Shift + Enter或点击Run按钮。
4.3 添加和删除单元格
- 添加单元格：点击
+按钮或按A键在当前单元格上方添加，按B键在当前单元格下方添加。 - 删除单元格：按
DD（连续按两次D）。
4.4 保存 Notebook
- 手动保存：点击
File->Save and Checkpoint。 - 自动保存：Jupyter Notebook 会自动保存你的更改。
5. 代码示例
5.1 基本 Python 代码
# 这是一个简单的 Python 代码示例
print("Hello, Jupyter Notebook!")
5.2 使用 Matplotlib 进行数据可视化
import matplotlib.pyplot as plt
# 创建数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]
# 绘制图形
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Simple Line Plot')
plt.show()
5.3 使用 Pandas 进行数据分析
import pandas as pd
# 创建一个简单的 DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
print(df)
6. 实践练习
6.1 练习 1：计算圆的面积
编写一个 Python 代码，计算并输出半径为 5 的圆的面积。
# 计算圆的面积
radius = 5
area = 3.14 * radius ** 2
print("圆的面积是:", area)
6.2 练习 2：绘制正弦波
使用 Matplotlib 绘制一个正弦波图形。
import numpy as np
import matplotlib.pyplot as plt
# 创建数据
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)
# 绘制图形
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Sine Wave')
plt.show()
6.3 练习 3：数据分析
使用 Pandas 分析一个简单的数据集，并输出年龄大于 30 的人的姓名。
import pandas as pd
# 创建数据
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
# 筛选年龄大于 30 的人
filtered_df = df[df['Age'] > 30]
print(filtered_df['Name'])
7. 总结
Jupyter Notebook 是一个强大的工具，适用于数据分析、机器学习、教学和演示等多种场景。通过本教程，你应该已经掌握了 Jupyter Notebook 的基本使用方法，并能够编写和运行简单的 Python 代码。
8. 进一步学习
- 深入学习 Python：继续学习 Python 的其他高级特性，如类、模块、异常处理等。
- 数据科学工具：学习如何使用 NumPy、Pandas、Matplotlib 等库进行数据分析和可视化。
- 机器学习：探索 Scikit-learn、TensorFlow 和 PyTorch 等机器学习库。
希望本教程对你有所帮助，祝你在编程和数据科学的旅程中取得成功！