Ubuntu+Anaconda+JupyterLab+Bokeh 远程配置交互式Web可视化开发环境

7 篇文章 2 订阅
6 篇文章 0 订阅


0. 环境说明

服务器 华为 RH2288 V3
硬件配置 Intel® Xeon® CPU E5-2650 v4 @ 2.20GHz 64位
操作系统 Ubuntu 18.04.2 LTS
软件版本

  • anaconda3 Anaconda3-2020.02-Linux-x86_64.sh
  • conda 4.8.2
  • python 3.8.3
  • jupyterlab 2.1.5
  • bokeh 2.1.1

1. 安装配置

以下安装过程均是在远程连接Ubuntu服务器的情况下使用命令行安装的。

远程连接Ubuntu服务器命令为

ssh username@192.168.0.0

IP地址填自己服务器地址就行。

如果是直接登录Ubuntu系统或者是在Mac笔记本上安装,本教程也是适用的。

如果是windows系统,可以在官网上下载anaconda安装包,直接像安装其他客服端一样在图形界面安装就行,记得勾选添加路径到环境变量中,这样就不用自己配置环境变量。具体可以参考文章Windows10下安装Anaconda3(64位)详细过程,jupyterlab以及bokeh依然可以采用本教程进行安装。

如果已经安装好了anaconda3可以跳过步骤1.1,直接看后面。
如果不需要用JupyterLab可以跳过步骤1.2,直接进入1.3。


1.1 Anaconda 安装

Anaconda是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包,Anaconda 的下载文件比较大(约 500 MB左右)。

注意安装之前先查看一下服务器或者电脑的硬件配置,然后选择适合的版本以及安装路径。

下载

去官网 https://www.anaconda.com/distribution/#download-section 找到合适版本对应的下载网址,如
https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh ,有522MB。

然后输入以下命令下载anaconda

wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh

下载过程界面如下
在这里插入图片描述

下载完毕后可以在当前目录下看到anaconda的安装包
在这里插入图片描述

安装

输入以下命令开始安装

bash Anaconda3-2020.02-Linux-x86_64.sh

安装过程界面如下,开始要一直按enter确认各种协议
在这里插入图片描述

一直确认直到出现提醒是否接受这些协议,确认接受之后就可以看到默认安装目录了,这里默认是在账号主目录下创建了anaconda3这个文件夹。

如果需要更换的话在 [/home/wjw/anaconda3]>>> 后面输入指定目录就行。

在这里插入图片描述

接受默认路径的话,直接enter继续进行,后面就是安装各种包。这些包安装结束后会提示是否初始化anaconda3。
在这里插入图片描述

配置

安装完成后,查看一下conda和python的版本以及默认路径,发现不是在 /home/wjw/anaconda3 下面。原因是之前已经用root账户在服务器上安装过了anaconda3和python3,都在系统中 /usr/local/anaconda 路径下,并且用户环境变量也配置成了系统中的路径。

在这里插入图片描述

此时可以看下用户环境中的配置文件,输入以下命令

vim ~/.bashrc

进入~/.bashrc 文件
在这里插入图片描述

可以看到配置文件最后面已经将anaconda3的路径改为了 /home/wjw/anaconda3,那么只需要让其生效即可。

source ~/.bashrc

可以看到conda的默认路径已经将 /home/wjw/anaconda3/bin/conda 放在了最前面,这就意味着刚刚安装的anaconda已经生效了。
在这里插入图片描述

这一部分参考了以下文章
Ubuntu下安装Anaconda(命令行)教程
Ubuntu18.04 安装 Anaconda3


1.2 JupyterLab 安装

JupyterLab是Jupyter主打的最新数据科学生产工具,某种意义上,它的出现是为了取代Jupyter Notebook。不过不用担心Jupyter Notebook会消失,JupyterLab包含了Jupyter Notebook所有功能。特别是,最近Jupyter还推出了Debug工具,支持断点调试等功能,效果不输PyCharm。

创建虚拟环境并安装

一般会创建一个新的conda虚拟环境用于开发某一工程项目,这样可以避免不同的python库之间产生冲突,因为有些项目可能需要不同版本的python库。

这里,创建一个名为 jupyterlab-debugger 的虚拟环境,同时安装notebook、jupyterlab等工具,以及支持Debug功能的xeus-python、ptvsd、nodejs等包。

conda create -n jupyterlab-debugger -c conda-forge xeus-python=0.8.0 notebook=6 jupyterlab=2 ptvsd nodejs

安装过程如下
在这里插入图片描述

中间会提醒一些包会被安装,确认即可。(可以看到python-3.8.3被安装了
在这里插入图片描述

安装完成后会提醒如何激活新创建的这一虚拟环境。
在这里插入图片描述

激活虚拟环境

激活新创建的虚拟环境 jupyterlab-debugger
在这里插入图片描述
可以看到python版本已经变为了3.8.3,说明已经进入了虚拟环境。

打开JupyterLab

如果是直接登录Ubuntu系统或者是在Mac笔记上安装的话,直接输入 jupyter lab 命令即可在浏览器中打开JupyterLab交互式编程环境。(如果是Mac笔记本远程连接服务器,如本文,那么在Mac上安装了XQuartz的话,也可以在本地看到JupyterLab交互式界面。)
在这里插入图片描述

JupyterLab交互式界面如下图所示
在这里插入图片描述
还有另一种更加方便的远程打开 Jupyterlab 的方法,即在服务器上启动 Jupyterlab, 然后通过访问服务器IP和相应端口在本地打开Jupyterlab界面,这样速度基本上等同于在服务器上编程,比上面的XQuartz方法好太多。具体教程参考这篇博文

到这一步,就可以在JupyterLab中干活了,既可以创建熟悉的notebook文档,也可以打开console控制台,还可以打开终端,创建text文件、markdown文件等等。JupyterLab中还有很多强大插件,包括前面提及的debug功能,可以参考以下文章了解和学习。

JupyterLab Debug工具安装教程(Mac版)


1.3 Bokeh 安装

Bokeh是一个非常强大的 python 可视化库,提供了很多精美的可视化案例,包括许多web可视化demo,官方文档也非常详细全面。下面是官网给出的一些web可视化案例。

在这里插入图片描述

Bokeh的安装是非常简单的。

先打开一个新的终端或者在上面打开的 JupyterLab 页面中创建一个新的终端,要进入之前创建的虚拟环境 jupyterlab-debugger 中,这里可能会出点问题。这一步的整个过程都截图放在了下面,要看到python的版本变成了3.8.3以后才算是真的进入了虚拟环境中。

在这里插入图片描述

之后,输入以下命令就可以安装Bokeh了

conda install bokeh

安装过程中会显示安装路径,同时会提醒安装一些依赖包,如numpy, yaml等,直接同意就行。
在这里插入图片描述

安装完成后,页面显示如下
在这里插入图片描述

这样bokeh就安装好了。


2. 启动Web可视化应用

安装完以上工具后,就可以在 JupyterLab 中用 Bokeh 开发 Web 可视化应用了,当然如果有已经写好的 bokeh 应用程序,就不需要 JupyterLab 了。

本文利用 Bokeh 官网提供的demo展示一下如何启动Web可视化应用。

2.1 上传文件

先在Ubuntu服务器上创建一个放置应用程序的文件夹(注意要进入虚拟环境jupyterlab-debugger中)

在这里插入图片描述

再在本地用scp命令将要展示的应用程序打包传到Ubuntu服务器上(之前已经将bokeh整个包都下载到本地了),这里将官方例子中的clustering上传到服务器上。

在这里插入图片描述

2.2 启动bokeh服务

回到服务器终端这边,可以看到clustering文件夹已经传过来了,里面共有三个文件,最主要的是main.py文件,theme.yaml是配置文件。
在这里插入图片描述

最后一步就是启动bokeh服务了,在WebApps这一级目录下执行如下命令

bokeh serve --show clustering

这个时候可能会报错
在这里插入图片描述

2.3 安装依赖包

如果出现上面的错误,说明有些包还没有安装好,这里是没有安装 sklearn 包,先用 conda install sklearn 命令安装,如果出现下面的错误,无法安装 sklearn 包,可以换用 pip install sklearn 命令安装。

在这里插入图片描述

2.4 打开Web可视化应用

安装完所有的包后,继续用 bokeh serve --show clustering 命令启动bokeh服务。

在这里插入图片描述

此时我们可以在浏览器界面看到clustering可视化应用了。这是一个可视化聚类算法效果的web应用,用户可以在界面选择聚类程序以及数据类型,并可以设置样本数量和类别数量。

在这里插入图片描述

修改一下参数可以看到图更新了,带有噪声的月牙形状数据点被划分成六类,每类颜色不同。

在这里插入图片描述

到这里整个配置过程就结束了,用户便可以用bokeh来开发自己的web可视化应用了。

关于bokeh的使用,可以参考以下文章:
Bokeh User Guide
Bokeh绘制复杂网络
Django上使用数据可视化利器Bokeh解析
Django-Bokeh-pandas-sklearn-tensorflow


帮到您的话点个赞呗!

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值