Jupyter Notebook 是 Python 数据分析中非常重要的一个开发环境。很多人刚开始学 Python 时第一份资料就是安装 Anaconda然后在 Jupyter Notebook 里一行一行敲 pandas 和 matplotlib 代码。它看起来像一个网页实际上是一套交互式文档系统说明文字、Python 代码、运行结果、图表甚至公式都可以放在同一个 .ipynb 文件里按顺序记录一次完整的分析过程。这也是为什么它经常被称为“Python 数据分析神器”。这篇文章适合三类读者刚学 Python、打算用 Python 做数据分析或机器学习的入门者已经习惯用 PyCharm 写脚本但想补上 Notebook 工作流的开发者以及安装了 Jupyter 却打不开、启动后白屏、内核一直卡住而迫切需要排查方法的人。全文会覆盖安装方式选型、启动参数、单元格操作、快捷键、数据分析最小案例、PyCharm 集成方法以及一份可以直接使用的排错清单。读完以后你应该能自己装好 Jupyter Notebook跑通一个包含数据清洗和图表输出的最小案例并知道出错时按什么顺序定位问题。1. 先理解 Jupyter Notebook 的核心机制再决定怎么装1.1 Notebook 解决的是数据分析中的“过程记录”问题用普通 Python 脚本做数据分析时流程通常是写一个完整文件运行看输出改脚本再运行。问题在于当步骤变多以后很难记住每一步的数据形态某一列是在哪个步骤变成字符串的缺失值什么时候被填充过某个图表对应的数据是哪一次抽样的结果Jupyter Notebook 把分析过程拆成多个单元格。每个单元格既可以放一段可执行代码也可以放一段 Markdown 说明代码运行后结果直接显示在单元格下方。这种形态特别适合数据分析因为数据分析天然是探索式的先加载数据再看结构再清洗再统计再画图每一步都要观察上一步的输出才能决定下一步怎么写。从技术定义上讲Jupyter Notebook 是一个基于 Web 的交互式计算前端底层依赖 Jupyter 内核执行代码。默认的 Python 内核由 IPython 提供它负责维护变量状态、执行代码并返回结果。浏览器只是展示界面、采集输入真正执行代码的是本地运行的内核进程。1.2 Notebook 文档、浏览器和内核的关系一个 .ipynb 文件本质上是 JSON 格式的文本文件。一个只包含“1 1”代码单元格的 notebook结构大致如下{ cells: [...], metadata: { kernelspec: { display_name: Python 3 (ipykernel), name: python3 } }, nbformat: 4, nbformat_minor: 5 }这个结构平时不需要手改但有两个关键点需要理解。第一.ipynb 文件同时保存了输入代码和输出结果天然适合做分析过程记录。第二打开 notebook 时Jupyter 服务会启动一个内核进程如果内核启动失败浏览器里就会一直显示“Kernel Starting”或“Kernel Restarting”。默认情况下jupyter notebook命令会启动本地服务监听 8888 端口并自动打开默认浏览器访问http://localhost:8888。这个 URL 后面会带一个 token 参数token 的作用是防止同一台机器上其他能访问该端口的人直接操作你的内核。1.3 Classic Notebook 和 JupyterLab 的差异Jupyter 生态里常出现两个启动命令jupyter notebook和jupyter lab。前者启动传统 Notebook 界面后者启动 JupyterLab。JupyterLab 是重构后的新一代界面可以在同一个窗口里打开多个 notebook、终端、文本编辑器和文件管理器。很多人在“jupyter notebook 和 jupyter lab 区别”上纠结实际差异主要在界面形态上内核和 .ipynb 文件格式都是通用的对比项jupyter notebookjupyter lab界面形态单文档交互页面多面板 IDE 风格工作台文件管理文件列表较弱支持拖拽、分栏、嵌入式终端扩展机制旧插件体系基于 JupyterLab 扩展体系适合场景快速开始、教学演示日常开发、多任务并行安装命令pip install notebookpip install jupyterlab对于新手装好notebook就足够起步。想获得更完整的开发体验再装 JupyterLab。两者共用 Python 内核同一个 .ipynb 文件可以随时在两种界面里打开。2. 安装前先确认 Python 环境避免装完找不到命令2.1 检查已有 Python 和 pip安装失败最常见的根源是环境混乱电脑上装了多个 Pythonpip和python不属于同一个环境于是pip install notebook明明成功了jupyter命令却无法执行。第一步应该确认当前终端使用的是哪个 Python。在 Windows CMD 或 PowerShell 里执行python --version pip --version python -m pip --version这里同时检查三条命令是有原因的。某些系统里python指向旧版本某些系统里只有py启动器某些虚拟环境里pip和python并不对应同一个环境。更可靠的方式是用python -m调用 pippython -m pip --version只要python指向你要用的环境python -m pip就会在同一环境内操作不会出现包装到了另一个 Python 的情况。如果确实想确认系统里有几个 Python在 Windows 下执行where python这会按 PATH 顺序列出所有python.exe路径。如果列出来多个就要特别小心当前终端窗口实际命中哪一个。2.2 选择安装方式的核心指标安装 Jupyter Notebook 主要有三种路径pip、Miniconda、Anaconda。选择依据不是“哪个最强”而是“你希望把环境控制交给谁”。安装方式适合场景磁盘占用环境管理pip 安装 notebook已有 Python 环境只补工具较小使用系统 Python 或虚拟环境Miniconda需要独立创建 Python 环境中等conda 管理环境Anaconda新手、数据分析教学、一键配齐较大conda 环境自带大量数据科学包如果你已经有可用的 Python 3.8 以上环境并且想尽量少装东西直接用 pip 装notebook即可。如果经常需要切换 Python 版本或者要安装 pandas、科学计算库、深度学习相关库推荐 Miniconda。如果你希望开箱即用、不太想参与环境管理Anaconda 最省事它会把 Jupyter、pandas、matplotlib、numpy 等预先装好。无论选哪种都要记住Jupyter Notebook 本身只是前端和交互框架数据分析真正需要的 pandas、numpy、matplotlib 等库需要另外安装除非你选的是 Anaconda。2.3 确认下载源和安装来源安装时会下载若干依赖包。如果下载速度不稳定可以把 pip 指向国内镜像源这是常规开发配置python -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simpleconda 也可以配置镜像conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/提示镜像地址可能调整配置前先确认当前可用的地址。团队项目中最好把镜像源配置写在统一的初始化脚本里避免每个人手敲不一致。3. 三种安装方式的操作步骤3.1 用 pip 安装 notebook先升级 pip再安装 notebookpython -m pip install -U pip python -m pip install notebook安装完成后验证jupyter --version输出类似下面内容说明安装成功jupyter core : 5.x.x jupyter-notebook : 7.x.x如果想确认具体的包版本可以再执行python -c import notebook; print(notebook.__version__)需要说明的是notebook 7 基于 JupyterLab 组件重新实现了界面体验和传统 6.x 有差异。如果团队中有插件依赖传统 Notebook 的接口升级前要先确认兼容性。3.2 用 Miniconda 安装并创建独立环境Miniconda 是 Anaconda 的精简版只带 conda 和基础 Python。安装后建议先创建独立环境避免把项目依赖全部堆在 base 环境里conda create -n datascience python3.11 conda activate datascience conda install notebook pandas numpy matplotlib这里创建了名为datascience的环境并安装了 notebook 和数据分析常用库。注意每次使用前要先执行conda activate datascience否则命令会落到 base 环境里。激活后启动jupyter notebook如果激活了环境仍然找不到命令检查当前环境列表conda info --envs确认当前行前面是否有星号星号标记的是当前激活环境。3.3 用 Anaconda 安装Anaconda 安装包自带 conda、Python、Jupyter Notebook 和大量数据科学库。Windows 下安装完成后可以从开始菜单打开 Anaconda Navigator点击 Jupyter Notebook 启动也可以在 Anaconda Prompt 里执行jupyter notebookAnaconda 安装时通常会把 conda 和 jupyter 的路径加入环境变量。如果安装完在普通 CMD 里找不到jupyter命令先回到 Anaconda Prompt 执行确认命令是否可用再检查系统 PATH 是否包含 Anaconda 的 Scripts 目录。3.4 安装后的统一验证不管使用哪种方式装完都建议执行jupyter --version jupyter kernelspec listkernelspec list显示当前可用的内核。如果输出里只有python3说明内核已注册如果根本没有内核执行python -m ipykernel install --user --name python3 --display-name Python 3 (ipykernel)然后启动服务jupyter notebook启动日志最后几行会给出访问地址和 token类似To
`)
