LabEx 虚拟机 Jupyter 界面

​

Jupyter 界面预览

Jupyter 环境特别适用于：

1. 使用 Python 库（Pandas、Matplotlib 等）进行数据分析和可视化项目
2. 机器学习和深度学习实验
3. 具有即时反馈的交互式代码执行
4. 创建结合代码和 Markdown 的文档化工作流程
5. 带有解释和可执行示例的教育内容

​

访问界面

1. 启动支持 Jupyter 的实验后，点击页面顶部的“Notebook”标签
2. 等待 Jupyter 界面完全加载
3. 您将在浏览器中看到熟悉的 Jupyter Notebook 界面

​

界面布局

Jupyter 界面由几个关键组件组成：

1. 主工作区：
   • 笔记本单元（代码和 Markdown）
   • 输出显示
   • 带有常用操作的工具栏
2. 顶部菜单栏：
   • 文件操作
   • 单元操作
   • 内核控制

​

使用笔记本

​

单元类型

1. 代码单元：

   • 编写和执行 Python 代码
   • 直接在单元下方查看输出
   • 使用 Shift+Enter 执行

2. Markdown 单元：

   • 记录您的工作
   • 添加解释和注释
   • 支持使用 LaTeX 的数学公式

​

常用操作

1. 创建新单元：

   • 点击工具栏中的 + 按钮
   • 使用快捷键 B（下方）或 A（上方）

2. 运行单元：

   • 点击播放按钮
   • 使用 Shift+Enter
   • 使用单元菜单选项

3. 更改单元类型：

   • 使用工具栏中的下拉菜单
   • 快捷键：Y（代码），M（Markdown）

​

使用场景

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('data.csv')

# 创建可视化
plt.figure(figsize=(10, 6))
df['column'].plot(kind='bar')
plt.title('数据可视化')
plt.show()

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 分割数据
X_train, X_test, y_train, y_test = train_test_split(X, y)

# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 评估
score = model.score(X_test, y_test)
print(f"模型准确率: {score:.2f}")

​

常见问题

!pip install package-name