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