📓 Jupyter环境

📖 Jupyter Notebook 是什么？

Jupyter Notebook是数据科学家的瑞士军刀——一个交互式的计算环境，可以将代码、文本、公式、可视化整合在一个文档中。它的名字来源于三种核心语言：Julia、Python、R。

1. Notebook文件结构

每个.ipynb文件本质上是一个JSON文件，包含一系列单元格(Cell)：

# Notebook本质是JSON
import json

notebook = {
    "nbformat": 4,
    "nbformat_minor": 5,
    "metadata": {
        "kernelspec": {"display_name": "Python 3", "language": "python", "name": "python3"},
        "language_info": {"name": "python", "version": "3.10.0"}
    },
    "cells": [
        {"cell_type": "markdown", "source": ["# 数据分析项目\n", "这是**第一个**笔记本"]},
        {"cell_type": "code", "source": ["import numpy as np\n", "print('Hello Jupyter!')"], "execution_count": 1}
    ]
}
print(f"单元格数量: {len(notebook['cells'])}")  # 2

⌨️ 必会快捷键

🎨 Markdown魔法

Jupyter的Markdown单元格支持丰富的格式，让你的笔记本既是代码又是文档：

# 一级标题
## 二级标题
### 三级标题

**粗体** *斜体* ~~删除线~~ `代码`

- 无序列表项1
- 无序列表项2

1. 有序列表项1
2. 有序列表项2

[链接](https://example.com)
![图片](path/to/image.png)

> 引用文本

| 列1 | 列2 |
|-----|-----|
| 值1 | 值2 |

数学公式（LaTeX）:
行内: $E = mc^2$
独立: $$\sum_{i=1}^{n} x_i = x_1 + x_2 + \cdots + x_n$$

🔧 魔法命令（Magic Commands）

IPython提供的特殊命令，以%或%%开头，是Jupyter的超级能力：

# 性能测试
%timeit sum(range(1000000))
# 输出: ~30ms per loop

# 变量检查
x = 42
name = "数据分析"
%whos
# Variable   Type    Data/Info
# name       str     数据分析
# x          int     42

📐 2024-2025 Jupyter生态前沿

• JupyterLab 4.x：全新架构，更好的性能和扩展性
• VS Code Jupyter：IDE与Notebook完美融合，智能补全+调试
• Google Colab：免费GPU，协作编辑，AI辅助编码
• Marimo：反应式Notebook，改一个单元格自动更新依赖
• Quarto：下一代发布系统，Notebook→网站/论文/幻灯片
• Jupyter AI：Jupyter官方AI助手，支持代码生成和解释

🔧 Jupyter高级技巧

# 内核信息
import sys
print(f"Python: {sys.version}")
print(f"路径: {sys.executable}")

# 显示增强
from IPython.display import display, HTML
display(HTML("<h3 style='color:#3b82f6'>自定义输出</h3>"))

# 进度条
from tqdm.notebook import tqdm
import time
for i in tqdm(range(100)):
    time.sleep(0.01)

调试技巧

# %debug — 事后调试
# %pdb on — 异常时自动调试
# %%prun — 性能分析
# %memit — 内存测量

🤝 协作与版本控制

# Git与Notebook
# pip install nbstripout
# nbstripout --install  # 提交前自动清除输出

# 导出格式
# jupyter nbconvert --to html notebook.ipynb
# jupyter nbconvert --to pdf notebook.ipynb
# jupyter nbconvert --to slides notebook.ipynb

💻 完整实战代码

#!/usr/bin/env python3
# Jupyter环境 — 完整实战

import json, os, sys, time

# ============ Notebook结构 ============
notebook = {
    "nbformat": 4, "nbformat_minor": 5,
    "metadata": {
        "kernelspec": {"display_name": "Python 3", "language": "python", "name": "python3"},
        "language_info": {"name": "python", "version": "3.10.0"}
    },
    "cells": [
        {"cell_type": "markdown", "source": ["# 数据分析项目\n", "这是**第一个**笔记本"]},
        {"cell_type": "code", "source": ["import numpy as np\n", "print('Hello Jupyter!')"], "execution_count": 1},
        {"cell_type": "markdown", "source": ["## 数据加载\n", "使用pd.read_csv()加载数据"]},
        {"cell_type": "code", "source": ["data = [1,2,3]\n", "print(data)"], "execution_count": 2}
    ]
}
nb_json = json.dumps(notebook, ensure_ascii=False, indent=2)
print(f"Notebook JSON长度: {len(nb_json)} 字符")
print(f"单元格数量: {len(notebook['cells'])}")
print(f"代码单元格: {sum(1 for c in notebook['cells'] if c['cell_type']=='code')}")
print(f"Markdown单元格: {sum(1 for c in notebook['cells'] if c['cell_type']=='markdown')}")

# ============ 魔法命令模拟 ============
start = time.time()
total = sum(range(1000000))
elapsed = time.time() - start
print(f"sum(range(1000000)) = {total}, 耗时: {elapsed:.6f}s")

# ============ 变量检查 ============
x = 42
name = "数据分析"
values = [1, 2, 3, 4, 5]
print(f"变量: x={x}, name={name}, values={values}")
print(f"类型: {type(x).__name__}, {type(name).__name__}, {type(values).__name__}")

print("\n✅ Python验证通过 — Notebook创建+Markdown+代码运行")

📝 课后练习

1. 创建一个完整的分析Notebook，包含Markdown标题和代码单元格
2. 使用%%timeit比较列表推导式和for循环的速度差异
3. 用Markdown写一篇包含公式、表格、代码的技术笔记
4. 探索5个魔法命令并记录使用场景
5. 将一个.py脚本转换为.ipynb格式

🗺️ Jupyter工作流全览

Jupyter vs IDE选择指南