当前位置：首页 > news >正文

Jupyter Notebook为什么适合数据分析？

news 2025/5/7 6:23:48

Jupyter Notebook 是一款超实用的 Web 应用程序，在数据科学、编程等诸多领域都发挥着重要作用。它最大的特点就是能让大家轻松创建和共享文学化程序文档。这里说的文学化程序文档，简单来讲，就是把代码、解释说明、数学公式以及数据可视化结果等内容整合在一起，形成一个完整的、易读易懂的文档。在这个文档里，你不仅可以编写代码，还能实时运行代码，马上看到运行结果。同时，它还支持使用 Markdown 语法进行文本编辑，方便你详细解释代码的功能和作用；要是涉及到数学方面的内容，还能编写数学方程呢；并且可以将数据以可视化的形式展示出来，比如绘制图表，让数据变得一目了然。

正是因为这些强大的功能，Jupyter Notebook 在很多场景下都能派上用场。在数据挖掘领域，它可以用来清理和转换数据，把杂乱无章的数据整理成便于分析的格式；在进行数值模拟的时候，它能为你提供一个灵活的编程环境；统计建模时，能帮助你快速搭建模型并进行验证；对于机器学习，从数据预处理、模型构建到训练，再到结果可视化，它都能全程助力。目前，数据挖掘领域里最热门的比赛 Kaggle，里面的资料大多都是 Jupyter 格式的，这足以证明它的受欢迎程度。所以对于机器学习新手来说，学会使用 Jupyter Notebook 是非常重要的。

那到底什么是 Jupyter Notebook 呢？它其实是一款开放源代码的 Web 应用程序，简单来说，就是大家可以通过它在网页上创建并共享代码和文档。它就像是一个多功能的工作间，给你提供了一个特殊的环境。在这个环境里，你可以把代码写在一个个独立的单元中，然后逐个执行这些单元。这样的好处是，当你在构建项目原型的时候，不用每次都从代码的开头开始执行，只要对特定的代码块进行测试就行。比如说，你写了一大段代码，只想看看其中某个函数的运行效果，就可以把这个函数所在的代码块单独拿出来执行，不用重新运行整个程序，既节省时间又方便调试。很多其他的集成开发环境（IDE，比如 RStudio）也有类似的功能，但 Jupyter Notebook 的单个单元结构用起来更加方便，深受大家喜爱。而且，Jupyter Notebook 特别灵活，它不仅支持 Python 语言，还允许你运行 R、SQL 等其他语言的代码。由于它的交互性很强，在教学场景中也被广泛应用，老师可以通过它更直观地给学生展示代码的运行过程和结果，学生也能更好地理解和学习。

接下来讲讲如何安装 Jupyter Notebook。在安装 Jupyter Notebook 之前，首先你得在自己的电脑上安装 Python。Python 有不同的版本，Python 2.7 或者 Python 3.3（以及更高版本）都能满足 Jupyter Notebook 的安装要求。

对于新用户，推荐使用 Anaconda 发行版来安装 Python 和 Jupyter Notebooks。Anaconda 就像是一个大礼包，它一次性帮你把 Python 和 Jupyter Notebooks 都安装好了，而且还包含了很多在数据科学和机器学习社区中常用的软件包。你不用一个一个地去安装这些软件包，非常方便。你可以从这个网址下载最新版本的 Anaconda：Install and Use — Jupyter Documentation 4.1.1 alpha documentation 。

要是因为某些原因，你不想使用 Anaconda，也有其他办法。这种情况下，你需要确保自己电脑上运行的是最新版本的 pip。pip 是 Python 的包管理工具，用来安装和管理 Python 的各种库和工具。如果你已经安装了 Python，那么 pip 一般也已经安装好了。但为了能顺利安装 Jupyter Notebook，最好把它升级到最新版本。具体怎么做呢？参照下面的代码操作就行：

#Linux and OSX
pip install -U pip setuptools
#Windows
python -m pip install -U pip setuptools

升级完成后，就可以通过 pip 来安装 Jupyter Notebook 了，安装命令是：

#For Python2
pip install jupyter
#For Python3
pip3 install jupyter

这样，你就能在自己的电脑上顺利使用 Jupyter Notebook 啦！

开始

现在我们已经了解了 Notebooks 是什么，以及如何在自己的机器上安装和设置 Notebooks。是时候开始动动手了！

要运行 Jupyter Notebooks，只需输入以下命令就可开始使用！

jupyter notebook

执行上面命令之后， Jupyter Notebook 将在你的默认浏览器中打开，网址为：http://localhost:8888/tree

在某些情况下，它可能无法自动打开。这种情况下，你的终端或者命令提示符中将会生成一个带有令牌密钥（ token key ）的网址。要打开 Notebook，你需要将整个 URL（包括令牌密钥）复制粘贴到浏览器中。

Notebook 打开后，你会在顶部看到三个选项卡：Files（文件），Running（运行）和 Clusters（集群）。Files 基本上列出了所有的文件，Running 显示你当前已经打开的终端和Notebooks，Clusters 由 IPython parallel 包提供，用于并行计算。

要打开一个新的 Jupyter Notebook，请单击页面右侧的“New”选项卡。在这里，你有四个选项可供选择：

Python 3
Text File (文本文件)
Folder (文件夹)
Terminal (终端)

在 "Text File" 选项中，你会得到一个空白的文档。输入你喜欢的任何字母，单词和数字。它基本上是一个文本编辑器（类似于 Ubuntu 上的应用程序）。你也可以选择一种语言（支持非常多的语言），然后用该语言来写一个脚本。你还可以查找和替换文件中的单词。

在 "Folder" 选项中，顾名思义它的功能就是创建文件夹。你可以创建一个新文件夹来放入文件，重新命名或者删除它。

"Terminal" 的工作方式与你的 Mac 电脑或 Linux 电脑上的终端完全相同（或者 Windows 上的 cmd ）。它在你的Web浏览器中支持终端会话。在这个终端中输入 python ，瞧！现在你已经可以开始写 python 脚本了。

但在本文中，我们将重点介绍 Notebooks，因此我们将从“New”选项中选择 "Python 3" 选项。你会看到如下的截图：

然后，你可以导入最常见的 Python 库——pandas 和 numpy——来开始你的项目。代码上方的菜单栏提供了操作单元格的各种选项：insert (添加)，edit (编辑)，cut (剪切)，move cell up/down (上下移动单元格)，run cells(在单元格中运行代码)，interupt (停止代码)，save (保存工作)，以及 restart (重新启动内核)。

在下拉菜单中（如上所示），你有四个选项：

Code - 这是你输入代码的地方
Markdown - 这是你输入文本的地方。你可以在运行代码后添加结论，添加注释等。
Raw NBConvert - 这是一个命令行工具，可将你的笔记本转换为另一种格式（如 HTML）
Heading - 你可以将标题添加到单独的小节并使你的 Notebook 看起来干净整洁。这个选项现在已经集成到 Markdown 选项中。添加一个“##”，以确保在你之后输入的内容将被视为标题

使用 Magic Functions

开发人员已经插入了预定义的 magic functions，使你的工作更方便和更具交互性。你可以运行以下命令来查看这些函数的列表（注意：通常不需要输入“％”，因为通常 Automagic 是默认打开的）：

%lsmagic

你会看到许多选项，你甚至可能认识其中的％clear，％autosave，％debug 和％mkdir 等函数。magic command 有两种运行方式：

逐行运行（ Line-wise ）
逐块运行（ Cell-wise ）

顾名思义， Line-wise 是当你想要执行一个单行命令的时候使用，而 Cell-wise 是你想要执行的命令不仅仅是一行，而是整个单元格中的整个代码块时使用。

在逐行运行模式中，所有给定的命令都必须以％字符开始，而在逐块运行模式下，所有命令都必须以 %% 开头。让我们看看下面的例子来更好的理解：

逐行模式：

%time a = range(10)

逐块模式：

%%timeit a = range (10)

min(a)

个人建议运行这些命令，看看其中的区别！

不仅限于 Python - 在 Notebooks 中使用 R，Julia 和JavaScript

Notebooks 的魔术并不止于此。你甚至可以在 Notebooks 中使用其他语言，如 R，Julia，JavaScrip t等。我个人喜欢 R 中的 ggplot2 软件包，因此使用 Notebooks 来进行探索性数据分析非常方便。

要在 Jupyter 中启用 R，你需要 GitHub上提供的 IRKernel（ R 的专用内核）。这里有一份详细的指南（地址：https://discuss.analyticsvidhya.com/t/how-to-run-r-on-jupyter-ipython-notebooks/5512），总共需要八个步骤，还有截图来引导你一步一步进行操作。

如果你是 Julia 用户，你也可以在 Jupyter Notebooks 中使用它！查看这篇详尽的文章（地址：地址：https://discuss.analyticsvidhya.com/t/how-to-run-r-on-jupyter-ipython-notebooks/5512），它重点介绍了 Julia 用户如何学习数据科学，并包括了一章节介绍如何在 Jupyter 环境中使用 Julia。

如果你更喜欢使用 JavaScript，我推荐使用 IJavascript 内核。查看这个 GitHub 库（地址：https://github.com/n-riesco/ijavascript），它会引导你在不同操作系统上安装此内核。请注意，你需要先安装 Node.js 和 npm 才能使用它。

Jupyter Notebooks 中的交互式命令板

在开始添加小插件（widget）之前，你需要导入 widgets 包：

from ipywidgets import widgets

小插件的基本类型是典型的文本输入框和按钮。请参阅以下来自Dominodatalab 的示例，了解一下交互式小插件是怎么使用的：

你可以在这里（地址：https://blog.dominodatalab.com/interactive-dashboards-in-jupyter/）查看详尽的开发指南。

键盘快捷键——节省时间并提高效率！

快捷键是 Jupyter Notebooks 最好用的功能之一。当你想运行任何代码块时，你只需要按下Ctrl + Enter 即可。Jupyter Notebooks 提供的键盘快捷键非常多，为我们节省了大量时间。

以下是我们挑选的一些快捷键，你在开始使用 Notebooks 时会经常用到这些快捷键。我强烈建议你阅读这些内容的时候一个一个地尝试一下这些快捷键。

Jupyter Notebook 提供了两种不同的键盘输入模式 - 命令和编辑。命令模式将键盘与 Notebook 命令绑定，并由具有蓝色左边距的带有灰色单元格边框来表示。编辑模式允许你将文本（或代码）输入活动单元格，并以绿色单元格边框表示。

使用 Esc 和 Enter 在命令和编辑模式之间跳转。现在就试试吧！

一旦进入命令模式（即没有活动单元格），就可以尝试以下快捷键：

A 键将在选中单元格上方插入新单元格，B 键将在选中单元格下方插入一个单元格
要删除单元格，请连续按两次 D 键
要撤消已删除的单元格，请按 Z 键
Y 键将当前的选中单元格变成代码单元格
按住 Shift + 向上或向下箭头键可以选择多个单元格。在多选模式下，按 Shift + M 会合并选中的单元格
F 键会弹出 “查找和替换” 菜单

处于编辑模式时（在命令模式下按 Enter 键进入编辑模式），你会发现以下快捷键非常好用：

Ctrl + Home 转到单元格的开头
Ctrl + S 会保存你的工作
和上面提过的一样，Ctrl + Enter 将运行你的整个单元格
Alt + Enter 不仅会运行你的单元格，它还会在下方添加一个新的单元格
Ctrl + Shift + F 打开命令选项板

要查看整个键盘快捷键列表，请在命令模式下按 H 或转到 Help 菜单栏下的 Keyboard shortcuts。请经常检查这些内容，因为经常会有新的快捷键被加进来。

Jupyter Notebooks 扩展

扩展可以有效提高你的 Jupyter Notebooks 的生产力。安装和使用扩展的最佳工具之一是 Nbextensions。它需要两个简单的步骤来安装（也有其他方法，但我发现这是最方便的）：

第1步：用 pip 来安装它：

pip install jupyter_contrib_nbextensions

第2步：安装关联的 JavaScript 和 CSS 文件：

jupyter contrib nbextension install --user

完成此操作后，你会在 Jupyter Notebook 主页顶部看到一个 Nbextensions 选项卡。这里面有很多非常棒的扩展供你使用。

如果要启用一个扩展，只需点击它来激活。因此我在下面提到了4个我认为最有用的扩展：

Code prettify：重新格式化和美化代码块的内容。

Printview：这个扩展添加了一个工具栏按钮来调用当前 Notebook 的 jupyter nbconvert，并可选择在新的浏览器标签中显示转换后的文件。
Scratchpad：这个扩展增加一个便捷单元格，它可以让你运行你的代码而不必修改你的 Notebook。这是一个非常方便的扩展，特别是当你想要测试你的代码，但不想在你的活动Notebook上做这件事。
Table of Contents (2)：这个扩展可以收集你的 Notebook 中的所有标题，并将它们显示在一个浮动窗口中。

这些只是你可以使用的其中一些扩展。我强烈建议查看整个扩展列表并对它们进行测试。

保存和共享你的 Notebook

这是 Jupyter Notebook 中最重要和最棒的功能之一。当我需要写博客文章，但我的代码和注释都保存在 Jupyter 文件中时，我需要先将它们转换为另一种格式。请记住，这些 Notebooks 采用 json 格式，在共享它时这并不是很有帮助。我无法在电子邮件或博客上发布不同的单元格或代码块，对吧？

进入 Files 菜单，你会看到一个 Download As 选项：

你可以将你的 Notebook 保存为 7 个选项中的任何一个。最常用的是 .ipynb 文件，这样其他人就可以在自己的机器上复制代码；或者保存为 .html 文件，这样会打开一个网页（当你想要保存嵌入在 Notebook 中的图像时，这会派上用场）。

你也可以使用 nbconvert 选项手动将你的 Notebook 转换为不同的格式，如 HTML 或 PDF。

你还可以使用 jupyterhub，它允许你在其服务器上托管 Notebooks 并与多个用户共享。许多顶尖的研究项目都使用这个功能用于协作。

JupyterLab

JupyterLab 于今年 2 月推出，它允许以更灵活和更强大的方式处理项目，但使用的是和 Jupyter Notebooks 相同的组件。JupyterLab 环境与 Jupyter Notebooks 完全相同，但用户会有更高效的体验。

在 JupyterLab 中，你只需一个窗口即可安排 Notebook 的工作区域、终端、文本文件和输出！你要做的仅仅是将单元格拖放到你想要的位置。你还可以通过实时预览功能来编辑常用文件格式，如 Markdown、CSV 和 JSON，以便在实际文件中实时查看所发生的变化。

如果你想在你的机器上试用它，你可以在这里查看安装说明（地址：http://jupyterlab.readthedocs.io/en/stable/getting_started/installation.html）。开发人员的目标是 JupyterLab 最终可以取代 Jupyter Notebooks。但是，要做到这一点还要花点时间。

最佳实践

虽然单独工作可能很有趣，但大多数时候你会发现自己是在一个团队中工作。在这种情况下，遵循指导方针和最佳实践非常重要，这样可以确保你的代码和 Jupyter Notebooks 被正确标注，以便与你的团队成员保持一致。下面我列出了一些最佳实践指南，你在 Jupyter Notebooks 上工作时一定要遵循以下指南：

对于任何程序员来说最重要的事情之一：始终确保为代码添加合适的注释！
确保你有代码所需的文档。
考虑一个命名方案，并坚持在所有代码中使用以确保一致性。这样其他人更容易读懂你的代码。
无论你需要什么库，在 Notebooks 开始时导入它们（并在它们旁边添加注释，说明导入它们的目的）。
确保代码中行与行之间有适当间隔，不要把循环和函数放在同一行中。
有时候你会发现你的文件变得非常繁重。看看有没有方法隐藏你认为对于以后参考不太重要的代码。Notebooks 看起来整洁干净，让人赏心悦目也非常重要。
Matplotlib 可以很漂亮整洁地展示你的 Notebook，看看怎么使用它！地址：http://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb