开启代码新体验：为什么你需要Jupyter？

当你开始学习Python进行数据分析或机器学习时，是否遇到过这些困扰？代码运行结果难以直观展示、分析过程无法有效记录、项目思路杂乱无章——这就是Jupyter要为你解决的痛点。

Jupyter不仅仅是一个编程工具，更是你探索数据的交互式实验室。它将代码、可视化结果和文字叙述完美融合，让你能够：

• 即时获得反馈：写一段代码，立即看到运行结果，快速验证想法

• 讲述数据故事：用优美的Markdown格式记录分析思路，制作清晰易懂的报告

• 可视化呈现：图表、图像直接嵌入在代码旁，让数据自己说话

• 自由实验探索：每个代码块独立运行，随意调整测试，无需重头开始

无论你是编程新手、数据分析师还是科研工作者，Jupyter都能让你的工作更加流畅直观。

两大工作界面：找到你的专属工具台

了解了Jupyter的价值，现在让我们认识它的两个主要工作界面。

经典笔记本模式：专注简洁的写作体验

想象一个传统的纸质笔记本——Jupyter Notebook（经典界面） 就是这样的存在。

• 设计理念：极简主义，专注当下

• 工作方式：每个笔记本在独立浏览器标签页打开，排除一切干扰

• 最佳场景：当你需要全心投入单个分析任务时；在配置较低的设备上运行

现代工作台模式：功能全面的智能实验室

JupyterLab是进化后的现代化工作环境，像一个功能齐全的科研工作台。

• 设计理念：集成化工作空间，多功能协同

• 工作方式：单窗口内可同时管理笔记本、终端、文档和数据文件，自由拖拽布局

• 核心优势：支持扩展插件，可定制个性化工作环境

• 关键提示：JupyterLab并非替代而是包容了经典模式，你可以在Lab中获得完整的Notebook体验。

初学者的贴心建议：

如果你不确定该选哪个，直接从JupyterLab开始是最佳选择。它既能提供经典模式的简洁体验，又为你未来的进阶需求预留了空间。你可以先使用基本功能，等到需要更多高级特性时自然过渡，无需重新学习。

扩展内容：Jupyter Notebook 的“变体”或部署方式【本文不做额外介绍】

除了上述两种本地运行的 UI，还有一些基于 Jupyter 核心技术但提供不同体验的服务：

Google Colab (Colaboratory)：https://colab.research.google.com/

• 由 Google 提供的免费云端 Jupyter Notebook 服务。

• 特点：无需安装，通过浏览器即可使用；免费提供 GPU 和 TPU 资源；深度集成 Google Drive，方便分享；支持多人协作。

• 它使用的是定制化的经典 Notebook 界面。

VS Code with Jupyter Extension：https://code.visualstudio.com/docs/datascience/jupyter-notebooks

• 在强大的代码编辑器 Visual Studio Code 中集成了 Jupyter 的全部功能。

• 特点：提供了最好的代码编辑体验（智能补全、调试、Lint）；完美与 Git 集成；可以轻松在 .py 脚本和 .ipynb 笔记本之间切换。

• 其他云端服务：Kaggle Notebooks：数据科学竞赛平台提供的 Notebook 环境。Amazon SageMaker, Azure Notebooks：云厂商提供的企业级 Notebook 服务。

第一部分：安装与启动

无论你选择哪个界面，安装方式都是一样的。强烈推荐使用 Miniconda 或 Anaconda 进行安装，它可以轻松管理环境和依赖。

                                            Conda 从入门到入门【基础配置篇】

1.1、通过 Conda 安装

# 1. 创建一个专门的环境（可选但推荐）   conda create -n jupyter_env python=3.11

# 2. 激活环境   conda activate jupyter_env

a、安装 JupyterLab

conda install -c conda-forge jupyterlab # 通常你也会需要核心数据科学库，建议一并安装   pip install numpy pandas matplotlib scikit-learn

注释：

-c conda-forge-c 含义：--channel 的缩写，指定软件包的下载来源（通道）。conda-forge 是什么：一个由社区维护的 Conda 通道，提供大量高质量、开源的科学软件包（如 JupyterLab、Pandas、NumPy 等）。相比默认的 Anaconda 官方通道，conda-forge 通常更新更快、包更全，且由全球开发者共同维护，可靠性高。

b、安装 经典Jupyter Notebook

conda install notebook

1.2、python环境下Pip安装

# 创建名为 jupyter_env 的虚拟环境   python -m venv jupyter_env 

# 激活环境   jupyter_env\Scripts\activate

   pip install jupyterlab numpy pandas matplotlib   #选择 JupyterLab

   pip install notebook numpy pandas matplotlib #选择经典 Notebook

1.3、启动方式决定界面

启动 JupyterLab (现代化界面):

在终端输入以下命令，浏览器会自动打开一个更复杂的界面。

jupyter lab

jupyter lab

启动经典 Notebook (传统界面):

在终端输入以下命令，浏览器会打开一个更简单的文件管理界面。

jupyter notebook

第二部分：汉化 Jupyter Notebook 与 JupyterLab

对于中文用户来说，使用母语界面可以大幅降低学习成本，提升操作效率。幸运的是，Jupyter 社区提供了出色的官方中文语言支持，汉化过程非常简单。

2.1、安装语言包

汉化的核心是安装由社区维护的官方中文语言包。无论你使用经典 Notebook 还是 JupyterLab，都需要先完成这一步。

使用 conda 或 pip 安装针对简体中文的语言包：

为 JupyterLab 安装（推荐，因为它包含了经典界面的翻译）：

# 使用 conda 安装conda install -c conda-forge jupyterlab-language-pack-zh-CN  #或

conda install jupyterlab-language-pack-zh-CN

# 或使用 pip 安装pip install jupyterlab-language-pack-zh-CN

仅经典 Notebook 安装：

pip install jupyterlab-language-pack-zh-CN

2.2、JupyterLab 汉化设置（版本号4.4.7）

JupyterLab 的汉化过程非常人性化，无需修改任何配置文件。

1. 启动 JupyterLab：jupyter lab

2. 打开设置：在 JupyterLab 菜单栏中，点击 设置 (Settings) 。

3. 切换语言：在设置下拉列表中找到并点击 “语言” (Language) ，选择 "中文"。

4.等待"重新加载"成功后：你会发现整个界面，包括菜单、按钮、侧边栏都已变为简体中文。

2.3、经典 Notebook 汉化设置（版本号7.4.5）

设置方案跟【2.2、JupyterLab 汉化设置】 一致。

第三部分：Jupyter Notebook 与 JupyterLab 使用详解

无论你选择哪个界面，其核心工作单元——Notebook 文档（.ipynb 文件）的操作逻辑是相通的。本章节将带你快速上手核心操作。

3.1、核心通用概念：单元格 (Cell) 与内核 (Kernel)

• 单元格 (Cell)：Notebook 由一系列单元格构成，这是你编写内容的地方。主要有两种类型：

• 代码单元格 (Code Cell)：用于编写和运行代码。

• Markdown 单元格：用于编写格式化的文本说明，支持标题、列表、链接、图片和数学公式。

• 内核 (Kernel)：这是 Notebook 的“大脑”。它是一个独立进程，负责执行代码并维护所有变量和计算状态。你可以重启内核来清空所有运行状态。

3.2、通用快捷键（效率之源）

掌握快捷键能极大提升你的工作效率。首先需要理解两种模式：

•  命令模式 (Command Mode)：按 Esc 键进入，单元格边框呈蓝色。此时可以操作单元格本身（移动、删除、切换类型）。

• 编辑模式 (Edit Mode)：按 Enter 键进入，单元格内出现闪烁光标，边框呈绿色。此时可以编辑单元格内的内容。

常用快捷键（命令模式下 Esc）：

•  `A / B`：在当前单元格上方/下方插入新单元格。

• ` DD (按两次D)`：删除当前单元格。

• ` M / Y`：将当前单元格转换为 Markdown / Code 类型。

• `Shift + Enter`：运行当前单元格，并选中下一个单元格。

• `Ctrl + Enter`：运行当前单元格，但停留在本单元格。

• `Alt + Enter`：运行当前单元格，并在下方插入一个新单元格。

3.3、Jupyter Notebook (经典界面) 使用指南

创建新 Notebook：

点击右上角 New -> Notebook。这会在一个新的浏览器标签页中打开一个新的 Notebook。

基本工作流：

• 在第一个单元格中，输入代码 print("Hello, World!")。

• 按 Shift + Enter 运行它，你会看到输出，并且焦点会自动跳到下一个新单元格。

•  点击新单元格，在工具栏下拉菜单中将其类型从 Code 改为 Markdown。

• 输入 ### 这是我的第一个标题，然后按 Shift + Enter 将其渲染为三级标题。

• 继续在新的代码单元格中编写和运行你的代码。

保存与关闭：

重要：1、文件默认保存在用户根目录下：C:\Users\【用户名】\2、完成后，记得回到终端，按 Ctrl+C 两次来安全地关闭 Jupyter 服务器。

3.4、JupyterLab (现代界面) 使用指南

创建新 Notebook：

点击右上角 New -> Notebook。这会在一个新的浏览器标签页中打开一个新的 Notebook。

基本工作流：

• 在第一个单元格中，输入代码 print("Hello, World!")。

• 按 Shift + Enter 运行它，你会看到输出，并且焦点会自动跳到下一个新单元格。

• 点击新单元格，在工具栏下拉菜单中将其类型从 Code 改为 Markdown。

• 输入 # 这是我的第一个标题，然后按 Shift + Enter 将其渲染为一级标题。

• 继续在新的代码单元格中编写和运行你的代码。

保存与关闭：

重要：1、文件默认保存在用户根目录下：C:\Users\【用户名】\

3.5、实际案例效果【感受下Jupyter强大之处】

第四部分：一键启动 Jupyter Notebook 与 JupyterLab

手动激活环境再启动服务有些繁琐。通过创建 Windows 批处理文件 (.bat)，你可以实现真正的一键启动。以下是两种环境的脚本示例。

方法一：为 Conda 环境创建一键启动脚本:

此方法适用于使用 Anaconda/Miniconda 管理环境的用户。

1. 创建启动脚本

打开记事本，复制以下代码，并保存为 jupyter_start.bat。请根据你的实际路径修改 C:\ProgramData\miniconda3 【Conda 安装路径】 和 jupyter_env 【环境名称】。

注意：核心定义

2. 使用方法

• 双击运行 jupyter_start.bat。

• 根据提示输入选择启动的服务。

• 浏览器会自动打开 Jupyter 界面。

• 如需停止服务，在命令行窗口中按 Ctrl + C，然后关闭窗口即可。

方法二：为纯 Python 虚拟环境创建一键启动脚本

此方法适用于使用 Python 内置 venv 模块 创建虚拟环境的用户。

请自行参考【方法一：为 Conda 环境创建一键启动脚本】自悟！！

总结：开启你的Jupyter高效之旅

通过本指南，你已经全面掌握了Jupyter的核心概念、安装方法和使用技巧。

🎯 核心价值

Jupyter不仅仅是一个工具，更是改变你编程思维方式的平台。它将代码、结果和文档完美融合，让数据分析过程变得直观而富有叙事性，特别适合初学者快速上手和专业人士高效工作。

🖥 界面选择

•  经典Notebook：简洁专注，适合单一任务和资源有限环境

• JupyterLab：功能全面，提供现代化IDE体验，是未来发展的方向

• 推荐选择：直接从JupyterLab开始，兼顾简单性与扩展性

现在就开始你的Jupyter之旅吧！创建一个新笔记本，尝试：

• 用Markdown写下你的第一个分析目标

• 运行简单的Python代码查看即时结果

• 使用Matplotlib绘制基础图表

• 体验单元格独立运行的调试便利性

Jupyter将成为你学习Python、探索数据、开展研究的得力助手。随着实践深入，你会发现更多高级功能和应用场景，让数据科学工作变得更加愉悦和高效。

记住，最好的学习方式就是开始使用——立即启动Jupyter，创建你的第一个.ipynb文件，开启编码与探索的新体验！

祝你在这个交互式编程的世界里探索愉快，收获满满！