跳转到主要内容

Jupyter 界面预览

Jupyter Preview 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 的实验室后,单击页面顶部的“Notebook”选项卡
  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
Notebook Tabs

界面布局

Jupyter 界面由几个关键组件组成:
  1. 主要工作区: Main Work Area
    • 笔记本单元格(代码和 Markdown)
    • 输出显示
    • 带有常用操作的工具栏
  2. 顶部菜单栏: Top Menu Bar
    • 文件操作
    • 单元格操作
    • 内核控制

使用笔记本

单元格类型

  1. 代码单元格:
    • 编写和执行 Python 代码
    • 在单元格正下方查看输出
    • 使用 Shift+Enter 执行
    Code Cell
  2. Markdown 单元格:
    • 记录您的工作
    • 添加解释和注释
    • 使用 LaTeX 支持数学方程式

常用操作

  1. 创建新单元格:
    • 单击工具栏中的 + 按钮
    • 使用键盘快捷键 B(下方)或 A(上方)
  2. 运行单元格:
    • 单击播放按钮
    • 使用 Shift+Enter
    • 使用单元格菜单选项
  3. 更改单元格类型:
    • 使用工具栏中的下拉菜单
    • 键盘快捷键:Y(代码),M(markdown)

使用场景

100 Pandas 练习

这是一个数据分析示例实验室,涵盖了使用 Pandas 的 100 个练习。
在 Jupyter 中处理数据:
import pandas as pd
import matplotlib.pyplot as plt

# Read data
df = pd.read_csv('data.csv')

# Create visualization
plt.figure(figsize=(10, 6))
df['column'].plot(kind='bar')
plt.title('Data Visualization')
plt.show()
输出直接显示在代码单元格下方,便于您迭代分析。

Scikit-Learn 分类器比较

这是一个机器学习示例实验室,使用 Scikit-Learn 比较不同的分类器。
机器学习工作流程示例:
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# Split data
X_train, X_test, y_train, y_test = train_test_split(X, y)

# Train model
model = LogisticRegression()
model.fit(X_train, y_train)

# Evaluate
score = model.score(X_test, y_test)
print(f"Model accuracy: {score:.2f}")

常见问题解答

您可以在代码单元格中使用 pip 安装其他包:
!pip install package-name
请记住,安装是临时的,将在您的会话结束时重置。
重要的 Jupyter 快捷键:
  • 单元格执行
    • 运行单元格:Shift+Enter
    • 运行单元格并插入下方:Alt+Enter
  • 单元格操作
    • 在上方插入单元格:A
    • 在下方插入单元格:B
    • 删除单元格:D,D(按两次)
    • 复制单元格:C
    • 粘贴单元格:V
  • 单元格类型
    • 代码单元格:Y
    • Markdown 单元格:M
  • 其他
    • 保存笔记本:Ctrl+S
    • 命令面板:Ctrl+Shift+P
按 H 查看所有快捷键。
LabEx 中的教育笔记本与常规实验室内容不同:
  1. 内容直接显示在笔记本中
  2. 由于 Jupyter 的性质,无法进行逐步验证
  3. 您通过以下方式学习:
    • 阅读 Markdown 单元格中的解释
    • 运行示例代码
    • 修改代码进行实验
    • 在笔记本中完成练习
这种格式允许更具互动性和自定进度的学习体验。
I