发表日期：2018-07-14
这件神器，每个 Python 学习者都值得一试
—— 不论你是刚开始学 Python，还是正在啃数据分析的骨头，对你来说，不断在各种命令行窗口和编辑器里切来切去，或者不断打开各种窗口查看 matplotlib...
作者：Sebastian Eschweiler
不论你是刚开始学 Python，还是正在啃数据分析的骨头，对你来说，不断在各种命令行窗口和编辑器里切来切去，或者不断打开各种窗口查看 matplotlib 的输出之类的繁琐操作，一定是家常便饭了。哎呀，这都 8102 年了，除了又大又笨重的 IDE，难道就没有什么简单而直观的办法，让我们这些新手能管理和运行代码吗？
当然有啊，还是免费的咧！
这款神器就叫 Jupyter Notebook，它一定能拯救你于水深火热之中！
Jupyter Notebook 是一款 Web 应用，它能让用户将上面说的各种窗口里的东西，全部组合到一个可读性好，易于共享，且对新手友好的文档中。这个文档里可以包括：
- 可执行的代码，比如我们需要的 Python 代码
- 可视化的数据库图表，或者代码执行之后生成的可视化效果，比如 matplotlib 输出的图像等
- 各种解释性文字，例如用 markdown 语法写的格式化说明文本，Latex写的数学方程等
因此，你可以方便地一边写代码，一边写许多带格式的注释文本，还能让运行结果实时在页面内显示出来。所以，Jupyter Notebook 很适合以下一些用途使用：
- 学习并尝试运行 Python 代码，观察其效果
- 数据处理和转换
- 数值模拟分析
- 统计建模
- 机器学习
吹了这么多，你是不是心动了？那接下来就让我一步步介绍 Jupyter Notebook 的安装和使用，以及一些基础的功能，你还可以自己开一个 Jupyter Notebook 试试手！
那么，让我们开始吧！
安装 Jupyter Notebook
首先访问 Jupyter Notebook 的官网 http://www.jupyter.org ，往下稍微拉一点，可以看到这样的选项：
这里有两个按钮：
- 一个是“Try it in your browser”，也就是能让你直接在浏览器里试用
- 另一个“Install the Notebook”，是让你在电脑上安装部署你自己的 Jupyter Notebook 运行环境
如果你还不确定 Jupyter Notebook 会不会成为你的真爱，你可以选择直接在浏览器里试用。点击之后，你可以选择想要在体验的 Jupyter Notebook 里使用哪种语言（当然，我们选Python），然后你将跳转到一个已经搭建好了的 Jupyter Notebook 云平台上，可以在这里直接体验各项功能，而无需下载安装一大堆软件。
选第二个选项，它就将一步一步教你如何在自己的电脑上安装 Jupyter Notebook 本体。主要有两种方法：
- 先安装Python环境，然后通过 Python 的 pip 包管理工具安装 Jupyter Notebook 软件包
- 通过 Anaconda 管理器，一键安装 Python 环境和 Jupyter Notebook （还带有许多科学计算所需的 Python 库）
如果你是初学 Python ，希望从头搭建一个合适的运行环境，那 Anaconda 管理器一定是最适合你的。因为它提供了一个一站式的 Python 环境安装管理解决方案，还自带一个很方便的图形界面，让你根据需要为每个项目定制一个运行环境。
在 https://www.anaconda.com/download/ 上下载适合你电脑系统的安装包（支持 Windows、MacOS 及 Linux，需区分32位或64位），双击安装，一路 Next 到底。之后，你就能在命令行界面运行这个命令来启动 Jupyter Notebook 的后台服务了：
执行这行命令后，你会看到类似这样的提示信息：
此时 Jupyter Notebook 的后台服务就开始运行，一小会儿之后，系统会自动打开浏览器，显示 Jupyter Notebook 的 web 界面，类似这样：
这个界面是用来管理电脑上的多个 Notebook 文件的。在顶端，有三个不同的标签：
- Files（文件），该标签内显示当前工作路径下的文件
- Running（运行），该标签内显示当前正在后台运行的 Notebook 文件
- Clusters（集群），用来进行并行计算的，咱们暂时还用不到它
默认显示的是 Files 标签页，其中可以运行的 Notebook 文件（扩展名是 . ipynb ）以灰色或绿色的笔记本图标显示，绿色表示这个文件已经被打开。
创建一个新的 Notebook 文件
创建一个新的 Notebook 文件很简单，点击右上角的 New（新建）按钮，就会弹出一个这样的下拉菜单：
选择 Notebook 里的 Python 3 选项，新建一个可运行 Python 3 代码的 Notebook 文件。这个文件将会被打开，你的浏览器也会自动切换到 Notebook 文件应用的界面：
目前这个 notebook 还是“未命名”状态，点击顶部的标题“Untitled”，就可以重命名这个文件。重命名之后，这个文件就会保存成“文件名.ipynb”这样的格式。
比如，我把文件名改成 notebook01 ：
切换到前面一个浏览器页面，你就会发现，刚新建的 notebook01.ipynb 文件已经在目录里了：
正如前面所述，已打开文件的图标是绿色的，如果你选中它，上面还会有一个 Shutdown（关闭）按钮，你可以点击按钮来关闭一个运行中的 notebook 文件。
不过先不急着关闭它，让我们切回 notebook 文件里，好好玩弄一下它（…），熟悉一下各种功能吧！
如何使用
回到 notebook 界面，可以看到，从上到下分别是：
- 当前文件的标题，以及最后一次保存的时间
- 菜单栏，包括文件操作，各种编辑选项，内核控制，以及帮助等菜单
- 工具栏，从左到右分别是：保存文件、新增单元格（Cell），剪切、复制、粘贴，上移下移当前格，以及运行停止等控制按钮。
- 最下面一个大空白是 notebook 文件的主要区域。
你应该注意到了，notebook 文件是由一系列单元格（Cell）构成的，目前这个新文件里只有一个空白的格子：
右上角显示了当前这个单元格的类型是“代码（Code）”。在这种类型的单元格里，你可以直接输入希望运行的 Python 代码。每个格子里可以放上一行或者多行的代码。
当你点击右上角的运行按钮 
，或者按Shift + 回车组合键，该单元格里的代码将会被运行。
运行之后的输出结果将会显示在单元格内容的正下方，然后输入光标就会跳转到下一个格子，方便你继续写更多的代码。当然，你随时可以点击上面的格子，修改或者添加更多的代码。
再看一个例子：
在后面的格子里，我写了一个循环，让它输出一系列数字。运行一下，就能直观地看到运行结果出现在代码下方。
此外，你还可以把单元格的类型从“代码（Code）”改成“文本（Markdown）”，这样你可以方便地用 markdown 语法写出带格式的注释或说明文本，方便你整理归纳代码，或是在数据分析时描述需要处理的数据信息等。
要改变单元格的类型，只需要在下拉菜单里选择 Markdown 即可：
改了单元格类型之后，你会发现前面的 In [ ]: 标记不见了。你在这个单元格中输入 markdown 标记时，会自动解析成不同大小，不同格式的文字标记：
当你写完这些文本时，你可以“运行”这个单元格，或是按 Shift + 回车 快捷键，于是那些 markdown 格式的记号会被渲染成文本。效果如下：
当你的鼠标指向标题的时候，还会自动出现一个链接，点击之后，你的浏览器地址栏会更新成指向这个标题的链接：
如果你想要改一改 markdown 文本，只需要双击单元格中的文字，则编辑框又会重新出现。
编辑模式和命令模式
按照你选中一个单元格时的方式，单元格有两种不同的激活模式：编辑模式和命令模式。
如果你点击一个单元格的周边空白处或是输出部分，你选中的这个单元格就进入了命令模式，左边的指示条是蓝色：
如果你点击代码区域，则单元格就进入编辑模式，光标将在你点击的位置闪烁，而左边的指示条也变成绿色，表示你正在编辑代码内容：
在编辑时，你可以按 ESC 键退出编辑模式，回到命令模式。
这两种模式的区别在于，在编辑模式下，代码编辑框接收你所有的键盘输入，让你对代码/文本进行编辑。而在命令模式下，Jupyter Notebook 页面能响应你的各种键盘快捷命令。
想了解编辑模式和命令模式下可用的键盘快捷键都有哪些，你可以在菜单栏选择 Help（帮助） -> Keyboard Shortcuts（键盘快捷键），系统会列出具体的命令清单：
保存记录点
Jupyter Notebook 还有一个很酷的功能：记录点。你可以为当前的 notebook 文件创建一个记录点，保存当前文件的所有状态。创建记录点之后，你可以随时返回到当前的状态，撤销这期间做出的任何修改。
要创建一个新的记录点，你只需要在菜单栏上选择 File（文件）-> Save and Checkpoint（保存记录点）即可。点完之后，你就会在标题旁看到 Checkpoint 保存的提示：
如果你想要返回到之前的 Checkpoint，你只需要在菜单栏上选择 File（文件）-> Revert to Checkpoint（返回到记录点），并点击对应的记录点的时间戳即可。
导出 Notebook 数据
Jupyter Notebook 提供了几种不同的数据导出方式。你可以在菜单栏上选择 File（文件）-> Download as（下载为），在弹出的菜单里看到具体支持的导出格式。
之后该怎么玩
至此，我想你对 Jupyter Notebook 的基本操作已经有了初步的了解，你可以试着新建一个自己的 notebook 文件，在接下来的 Python 学习、项目编写中用到它。Jupyter Notebook 能很好地兼容许多科学计算、数据分析等领域常用的 Python 库，比如 numpy、pandas 以及 matplotlib 等，还能直观易懂地把这些数据显示给你看。
当然，如果你是纯纯的 Python 萌新，也不用着急，优达菌已经已经给你准备了许多 Python 学习材料，带好你的 Jupyter Notebook，一起踏上愉快的学习之旅吧！
（本文已投稿给「优达学城」并发表。 原作： Sebastian Eschweiler 译者：欧剃 转载请保留此信息）
编译来源： https://medium.com/codingthesmartway-com-blog/getting-started-with-jupyter-notebook-for-python-4e7082bd5d46
标签：Udacity、Translate、Python