我会从基础到进阶,分步为你介绍，包括：
（图片来源网络，侵删）
- 什么是 Python Notebook？
- 安装与启动
- 核心界面介绍
- 基本操作
- 高级技巧
- 常用快捷键
- 保存与分享
- 本地 vs. 云端 (Jupyter vs. Colab)
什么是 Python Notebook？
你可以把它理解为一个“交互式的代码文档”，它将你的代码、代码的输出（比如图表、数字、文本）和解释性文字（Markdown）都整合在一个网页格式的文档中。
主要特点：
- 交互式执行：你可以逐块（Cell by Cell）运行代码，而不是一次性运行整个脚本，这对于数据探索和调试非常方便。
- 可视化：代码的输出（如
matplotlib生成的图表、pandas的数据表格）会直接显示在代码块下方，一目了然。 - 文档化：你可以用 Markdown 格式写下标题、说明、公式、图片等，将你的分析过程和结果清晰地记录下来，形成一个完整的报告。
- 易于分享：一个
.ipynb文件就可以包含你的全部工作，方便与他人分享和协作。
安装与启动
安装 Anaconda（强烈推荐新手）
Anaconda 是一个 Python 和 R 的科学计算发行版，它自带了 Jupyter Notebook、Spyder IDE 以及几百个常用的数据科学库（如 NumPy, Pandas, Matplotlib），省去了很多环境配置的麻烦。
- 下载：访问 Anaconda 官网 下载适合你操作系统的安装包。
- 安装：按照提示进行安装，安装时务必勾选 "Add Anaconda to my PATH environment variable"。
- 启动：
- 安装完成后,在开始菜单或应用程序文件夹中找到 "Anaconda Navigator"。
- 打开 Navigator，你会看到各种工具，点击 "Launch" 按钮，即可启动 Jupyter Notebook。
使用 pip 安装
如果你已经有一个 Python 环境，可以直接安装 Jupyter。
（图片来源网络，侵删）
- 打开终端/命令行：
- Windows:
cmd或PowerShell - macOS/Linux:
Terminal
- Windows:
- 安装：
pip install notebook
- 启动：
jupyter notebook
启动后,你的浏览器会自动打开一个新标签页，显示 Jupyter 的文件管理界面。
核心界面介绍
启动 Jupyter Notebook 后，你会看到这样的界面：
- 顶部工具栏：包含保存、添加单元格、剪切、复制、粘贴、运行、停止、重启等常用操作按钮。
- 左侧文件浏览器：显示你当前工作目录下的文件和文件夹，你可以在这里创建新的 Notebook 或其他文件。
- 主区域（Notebook 编辑区）：这是核心区域，由多个单元组成。
Cell（单元格）是 Notebook 的基本组成单位，分为两种类型：
-
Code（代码）单元格：
（图片来源网络，侵删）- 用途：编写和运行 Python 代码。
- 外观：左侧有
In [ ]:的提示符。 - 运行：按
Shift + Enter或点击工具栏的 "Run" 按钮，运行后，下方会显示输出Out [ ]:。
-
Markdown（文本）单元格：
- 用途：编写说明文档、标题、列表、公式等。
- 外观：左侧没有
In [ ]:。 - 使用：像写 Markdown 一样输入文本，然后按
Shift + Enter或点击 "Run" 按钮将其渲染成格式化的文本。
基本操作
A. 创建和编辑 Notebook
- 在文件浏览器界面,点击右上角的 "New" 按钮，然后选择 "Python 3" (或你安装的其他 Python 版本)，一个新的、空白的 Notebook 就会被创建并打开。
- 默认情况下,第一个单元格是 "Code" 单元格。
B. 单元格的基本操作
- 运行单元格：选中单元格，按
Shift + Enter，这会运行当前单元格，并自动选中下一个单元格。 - 插入单元格：
- 在工具栏点击 (Insert Cell)。
- 或者,选中一个单元格，按
A(Above) 在其上方插入，按B(Below) 在其下方插入。
- 删除单元格：选中单元格，按两次
D(快速连续按)。 - 更改单元格类型：
- 选中单元格。
- 在工具栏的下拉菜单中选择 "Code" 或 "Markdown"。
- 或者,使用快捷键
Y将其设为 Code，M将其设为 Markdown。
- 编辑和查看：
- 编辑模式：单元格边框为绿色，可以输入代码或文本。
- 命令模式：单元格边框为蓝色，可以对单元格进行整体操作（如复制、粘贴、删除）。
- 按
Enter进入编辑模式，按Esc进入命令模式。
高级技巧
A. 使用魔法命令
在代码单元格的开头加上 或 可以启用一些特殊功能，极大地提升效率。
%matplotlib inline：在 Jupyter Notebook 中直接显示图表，无需调用plt.show()。%matplotlib inline import matplotlib.pyplot as plt plt.plot([1, 2, 3, 4]) plt.show() # 这行其实可以省略
%time和%%time：测量单行代码或整个单元格的执行时间。%time sum(range(1000000))
%%time # 测量整个单元格 a = [i**2 for i in range(10000)] b = [i**3 for i in range(10000)]
- 在 Notebook 中执行系统命令。
!ls # 列出当前目录文件 (Linux/macOS) !dir # 列出当前目录文件 (Windows)
%who和%whos：查看当前命名空间中的变量。x = 10 y = "hello" %whos
B. 导入数据
通常使用 pandas 库来读取数据，如 CSV, Excel 文件。
import pandas as pd
# 假设你有一个 data.csv 文件在当前目录下
df = pd.read_csv('data.csv')
# 显示前5行数据
df.head()
C. 绘图
使用 matplotlib 或 seaborn 进行数据可视化。
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
# 创建一些示例数据
data = np.random.randn(100)
# 绘制直方图
plt.figure(figsize=(10, 6))
plt.hist(data, bins=20, color='skyblue', edgecolor='black')'My First Plot in Jupyter')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()
常用快捷键（提升效率的关键）
| 快捷键 | 模式 | 功能 |
|---|---|---|
Shift + Enter |
编辑 | 运行当前单元格，并选中下一个 |
Ctrl + Enter |
编辑 | 运行当前单元格，并保持选中 |
Alt + Enter |
编辑 | 运行当前单元格，并在下方插入一个新单元格 |
Esc |
编辑 | 进入命令模式 |
Enter |
命令 | 进入编辑模式 |
A |
命令 | 在上方插入新单元格 |
B |
命令 | 在下方插入新单元格 |
D, D |
命令 | 删除当前单元格 |
Z |
命令 | 撤销删除单元格 |
C |
命令 | 复制当前单元格 |
X |
命令 | 剪切当前单元格 |
V |
命令 | 粘贴单元格 |
M |
命令 | 将单元格转换为 Markdown |
Y |
命令 | 将单元格转换为 Code |
H |
命令 | 显示所有快捷键帮助 |
保存与分享
- 保存：点击工具栏的 "Save and Checkpoint" 图标（软盘图标），你的 Notebook 会以
.ipynb的格式保存，这个文件是 JSON 格式的，包含了所有代码、输出和文本。 - 分享：
- 直接分享
.ipynb文件：最简单的方式，但接收者也需要有 Jupyter 环境才能打开。 - 导出为其他格式：通过
File -> Download as，可以导出为 HTML（可分享的网页）、PDF（需额外配置）、Markdown 等。 - 上传到 GitHub：GitHub 对
.ipynb文件有很好的原生支持，可以直接在线渲染。
- 直接分享
本地 vs. 云端 (Jupyter vs. Colab)
| 特性 | Jupyter Notebook (本地) | Google Colab (云端) |
|---|---|---|
| 环境 | 在你自己的电脑上运行 | 在 Google 的服务器上运行 |
| 优点 | - 数据安全，不联网 - 完全控制环境和硬件 - 适合处理大型、敏感数据 |
- 免费使用 GPU/TPU (对深度学习至关重要) - 无需任何配置，开箱即用 - 方便协作，可分享链接 - 自动保存到 Google Drive |
| 缺点 | - 需要自己安装和配置环境 - 没有免费 GPU/TPU |
- 数据隐私问题 - 有使用时间限制 - 网络依赖性强 |
何时使用哪个？
- 日常学习、数据探索、机器学习项目（尤其是需要 GPU/TPU 的）：首选 Google Colab。
- 处理敏感数据、进行大规模生产任务、需要特定环境配置：选择 本地 Jupyter Notebook。
希望这份详细的指南能帮助你顺利上手 Python Notebook！多加练习，你会发现它是一个极其强大的工具。
