Jupyter Notebook 的安装与配置

• 1. 介绍
  • 1.1. Jupyter Notebook 介绍
  • 1.2 Anaconda
• 2. Jupyter Notebook 安装及启动
  • 2.1 pip 方式
    • 2.1.1 只含有一种版本的 Python
    • 2.1.2 同时含有 Python2、Python3
  • 2.2 Anaconda 方式
  • 2.3 启动 Jupyter Notebook
    • 2.3.1 启动一个
    • 2.3.2 启动多个
• 3. 关联 Visual Studio Code
  • 3.1 Visual Studio Code 插件安装
  • 3.2 选择环境
• 4. Jupyter Notebook 常用魔法命令
• 5. Anaconda 简单使用
  • 5.1 环境管理
    • 5.1.1 图形化界面管理
    • 5.1.2 命令行管理
  • 5.2 更换源
• 参考文章

本文主要介绍 Jupyter Notebook 的安装、使用，同时还会介绍 Jupyter 和 Visual Studio Code 的关联、 Anaconda 的基本使用等相关问题。

1. 介绍

1.1. Jupyter Notebook 介绍

Jupyter Notebok 是一个交互式笔记本，支持运行 40 多种编程语言。因为 Jupyter Notebook 相比 PyCharm 而言，内存占用少，能指定运行中间的部分代码、输出中间的结果、避免反复读取数据等。正是因为其具有这些较好的交互性，适合机器学习的初学者使用。

当然，虽然 Jupyter Notebook 具有以上这些优点，但是也存在一些不足。当代码需要调试时，在 Jupyter Notebook 中可以用 Python 的 PDB 设置断点进行调试，但没有 IDE 那么方便。因此当代码出现 Bug 时，依然建议用 IDE 调试。

1.2 Anaconda

在正式介绍 Anaconda 之前先简单介绍下 Conda。

Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。Conda 支持语言包括 Python，R，Ruby，Lua，Scala，Java，JavaScript，C / C ++，FORTRAN。Conda 的作用是进行包管理和环境管理。

Anaconda 是一个开源的 Python 发行版本，其包含了conda、Python等180多个科学包及其依赖项。可以通过 Anaconda 对不同的 Python 环境进行管理、切换，从而避免一些环境冲突问题。

2. Jupyter Notebook 安装及启动

Jupyter Notbook 的安装有两种方式，一种是直接通过 Pip 安装，另外一种是通过 Anaconda 安装。对于机器学习的初学者而言，一般建议通过后者安装，因为 Anaconda 会自动安装常见的 numpy、pandas 等常见的 Python 包。

2.1 pip 方式

Windows 环境下通过 pip 安装 Jupyter Notebook 时，分为“只安装一种版本的 Python”和“同时安装了 Python2 和 Python3 ”这两种情况。这两种情况下，安装输入的命令略有不同，分别按照如下相应方式的步骤进行即可：

2.1.1 只含有一种版本的 Python

• 升级 pip

  python -m pip install --upgrade pip

• 安装 jupyter

  pip install jupyter

2.1.2 同时含有 Python2、Python3

在这里介绍的是为 Python3 安装 Jupyter，Python2 同理。

• 指定升级 python3 的 pip

  py -3 -m pip install --upgrade pip

• 安装 Jupyter

  py -3 -m pip install jupyter

2.2 Anaconda 方式

Anaconda 方式非常简单，直接在 Anaconda 官网下载安装 Anaconda 即可。Windows 系统在安装 Anaconda 后，在 “开始” 菜单中会新增：

• Anaconda Navigator （用于启动 Anaconda 的图形化管理器）
• Jupyter Notebook （启动 Jupyter）
• Anaconda Prompt（用于启动 Anaconda 的命令行窗口）

2.3 启动 Jupyter Notebook

2.3.1 启动一个

启动一个 Jupyter Notebook 比较简单，有如下两种方式。

• 通用启动方式（命令启动）

  如果 Jupyter Notebook 是通过 pip 安装，打开系统的命令行窗口，输入如下命令（此种方式请留意下面的注意内容）：

  jupyter notebook

  如果 Jupyter Notebook 是通过 Anaconda 安装，在 “开始” 菜单中打开 “Anaconda Prompt” ，然后输入如下命令 ：

  jupyter notebook。

• Anaconda 特有启动方式

  在 “开始” 菜单中打开 “Jupyter Notebook” 即可。

注意：

通过系统的命令行窗口启动，提示 “jupyter 不是内部或外部命令，也不是可运行的程序” 时，则需要设置 Python 的环境变量。设置方法：将 “Python安装路径\Scripts” 添加到系统环境变量中。

2.3.2 启动多个

如果是利用命令行启动 Jupyter ，并且想开启多个 Jupyter 时，可以通过指定端口号来启动。启动的命令如下：

jupyter notebook --port <port_number>

Jupyter 默认端口号是 8888，当在命令行中启动多个 Jupyter 时，需要设置不同的端口号。

注意：

通过 Anaconda 特有启动方式启动 Jupyter 时，可以直接在 “开始” 菜单中打开多次 “Jupyter Notebook” 即可。这种方式下，后面开启的 Jupyter 会自动切换端口。

3. 关联 Visual Studio Code

如果觉得在 Jupyter 的浏览器界面中写代码不舒服，可以将 Jupyter 与 Visual Studio Code 进行关联，从而可以方便地使用 Visual Studio Code 的代码提示功能。

3.1 Visual Studio Code 插件安装

首先要确保 VS Code 能够支持 Python 语言，所以如果你的 VS Code 未安装 Python 插件，请先安装如下图所示的插件。

3.2 选择环境

如果使用的 Python 环境不含有 Jupyter，会无法正常使用。因此在安装完插件后，需要将 Python 环境切换到含有 Jupyter 的环境中，具体方式如下图所示。

注意：

如果打开 VS Code 时，提示 “microsoft python language server 更新”，后面可能会引发一些问题，详情请参考 shaooping 博客。

4. Jupyter Notebook 常用魔法命令

• %lsmagic ，查看 Jupyter Notebook 所有的魔法命令，用法如下：

  %lsmagic

• %run：加载脚本，用法如下：

  %run script_path

• %timeit：计算执行时间函数（会重复执行），只能测试一句代码

  该函数会根据实际情况重复执行代码，然后计算平均时间。一般默认会执行一个语句100000次，然后给出运行最快3次的平均值，具体用法如下：

  %timeit 一句代码

• %%timeit：计算一段代码的执行时间，用法如下：

  1
  2
  %%timeit
        测试的代码
  

• %time：计算执行时间函数（不会重复执行），只能测试一句代码，用法如下：

  %time 一句代码

• %%time：计算一段代码的执行时间，用法如下：

  1
  2
  %%timeit
        测试的代码 
  

关于选择魔法命令来计算代码执行时间的建议：

• 如果对计算所得时间的准确性要求较高，则尽量使用 timeit，因为 time 只运行一次具有偶然性。

• 如果多次执行时，每次执行的效率不同（如：前面执行结果会缓存，导致后面执行的运行时间大大缩短，这样每次执行的效率不同），则 timeit 所得的平均计算时间不一定准确。在这种情况下，建议使用 time。

5. Anaconda 简单使用

在介绍了 Jupyter Notebook 的常用魔法命令后，接下来将简单地介绍 Anaconda 的一些使用。

5.1 环境管理

有时候，A 项目需要 Python2 和一些依赖包， B 项目需要 Python3 和其他一些依赖包。为了满足 A、B 两个项目的环境需要，我们通常可以利用 Anaconda 为它们创建不同的环境。因此，接下来介绍的是 Anaconda 的两种环境管理方式。

5.1.1 图形化界面管理

在开始菜单打开 “Anaconda Navigator” ，进入 Anaconda 的图形化管理界面。在该界面中，我们可以进行包管理、环境管理。由于具有图形界面，操作方式直观容易。因此，在这里只是简单介绍存在这种方式，不对其进行详细说明。

5.1.2 命令行管理

此种方式是打开 Anaconda 的命令行窗口，然后输入相应的命令来管理环境，常用命令如下：

• 创建一个环境 conda create –name 新环境名 python=python版本（如：3.7）
• 复制一个环境 conda create -n 新环境名 –clone 待克隆环境名
• 删除一个环境 conda remove -n 环境名 –all
• 查看所有环境 conda info -e （当前环境前面含有 *）
• 激活环境 Linux，OS X: source activate snowflakes Windows：conda activate snowflake
• 退出当前环境 conda deactivate

5.2 更换源

由于 Anaconda 的镜像源是国外的，所以在国内下载依赖包时，下载速度会比较慢。为了加快下载速度，我们可以将镜像源更换成国内的，更换的步骤如下：

• 打开 Anaconda 的命令行窗口

• 输入如下的命令

  1
  2
  3
  4
  5
  6
  7
  8
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
    
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
    
  # 设置搜索时显示通道地址
  conda config --set show_channel_urls yes
  

上面的方式是通过命令行换源，实际上也可通过 Anaconda 的图形化界面更换，具体步骤这里不再进行介绍。

在安装完 Jupyter Notebook 之后，我们就可以用它愉快地写代码，开始机器学习之路了。但是为了让它更加方便，我们可以对其进行一些配置，具体的配置内容将在下一篇博客中介绍，敬请期待！

参考文章

[1] VS Code 插件问题

[2] 常用魔法命令

[3] Anaconda 常用命令

[4] Anaconda 换源