初学者需要IPython 与 Jupyter Notebook 吗?

最新推荐文章于 2024-08-02 17:20:08 发布

weixin_30575309

最新推荐文章于 2024-08-02 17:20:08 发布

阅读量316

点赞数

文章标签： markdown 开发工具 shell

原文链接：http://www.cnblogs.com/billvvv/p/7056880.html

版权

ipython 是 jupyter notebook的前身并拥有ipython的全部功能

jupyter拥有 cell, markdown 整合的功能, 能同时运行代码, 而且是多组的. 同时也可以插入markdown这种多功能注释包括图片(但支持很差).

写教程,写博客非常一流. 而且还可以上传到jupyterhub…据说要自己搭建

对于初学者来说, jupyter毕竟是一个web应用, 存储文件有不稳定的地方. 建议还是使用pycharm这类的软件编写代码. 如果是用于写博客, sublime可以安装插件copy as html jupyter对于copy的优化不够. 特别是离线图片保存起来是不可以显示的.

jupyter详细教程 http://blog.csdn.net/tina_ttl/article/details/51031113

Python·Jupyter Notebook各种使用方法记录·持续更新

标签（空格分隔）： Python

Jupyter notebook )前身为IPython Notebook，学习时，可以找两者的教程

一、 Jupyter NoteBook的安装

1.1 新版本Anaconda自带Jupyter

目前，最新版本的Anaconda是自带Jupyter NoteBook的，不需要再单独安装

1.2 老版本Anacodna需自己安装Jupyter

Jupyter Notebook安装的官方网站

安装Jupyter Notebook的先决条件：已经安装了python（python 2.7 或者是python3.3）
具体的安装方法：
- 官方建议利用Anaconda安装Jupyter
- 安装完成Anaconda后，如果该Anaconda并不自带Jupyter Noterbook，那么，打开cmd，输入：conda install jupyter
这样安装完的jupyter不具有New a terminal的功能
经过各种查询才知道，原来是因为windows不具有terminal需要的TTY，所以，windows下的jupyter是不支持Terminal模式的，而且短期内也没有增加这种支持的计划

二、更改Jupyter notebook的工作空间
2.1 Jupyter的工作空间在哪里指定？
在其配置文件ipython_notebook_config.py中，有如下一句
# The directory to use for notebooks and kernels.
# c.NotebookApp.notebook_dir = u''
- 1
- 2
- 3
- 1
- 2
- 3
该句就是用来指定其工作空间的，例如，默认的工作空间是：用户名文件夹，例如，现在想要将工作空间变为D:\Jupyter，那么，需要做如下更改(要记得删掉注释#)
# The directory to use for notebooks and kernels.
c.NotebookApp.notebook_dir = u'D:\Jupyter'
这句话很容易抄错, ''前面是u ,还要去掉#号, 而且你要在本地建立一个文件夹, 如果文件夹不存在也会出错.
- 1
- 2
- 3
- 1
- 2
- 3
注意：路径最后一级后面不要加符号"\"
2.2 如何找到该配置文件？
参考目录C:\Users\Administrator\.jupyter
- 在cmd中输入jupyter notebook --generate-config
- 如果该配置文件已经存在，那么，会出现如下信息,从中可以见到配置文件存在的位置，注意，此时，输入N，不要overwrite
- 如果该配置文件不存在，那么，将会初始化产生一个配置文件
在cmd中输入：ipython profile create
可以找到关于jupyter的配置文件的位置
三、Jupyter的各种快捷键
- 执行当前cell，并自动跳到下一个cell：Shift Enter
- 执行当前cell，执行后不自动调转到下一个cell：Ctrl-Enter
- 是当前的cell进入编辑模式：Enter
- 退出当前cell的编辑模式：Esc
- 删除当前的cell：双D
- 为当前的cell加入line number：单L
- 将当前的cell转化为具有一级标题的maskdown：单1
- 将当前的cell转化为具有二级标题的maskdown：单2
- 将当前的cell转化为具有三级标题的maskdown：单3
- 为一行或者多行添加/取消注释：Crtl /
- 撤销对某个cell的删除：z
- 浏览器的各个Tab之间切换：Crtl PgUp和Crtl PgDn
- 快速跳转到首个cell：Crtl Home
- 快速跳转到最后一个cell：Crtl End
四、Jupyter Notebook如何导入代码
即导入代码到jupyter notebook的cell中
4.1 将本地的.py文件load到jupyter的一个cell中
问题背景：有一个test.py文件，需要将其载入到jupyter的一个cell中
test.py内容如下：
import caffe
SolverName = "/root/workspace"
sovler = caffe.AdamSolver(SolverName)
- 1
- 2
- 3
- 1
- 2
- 3
方法步骤：
（1）在需要导入该段代码的cell中输入
%load test.py #test.py是当前路径下的一个python文件
- 1
- 1
（2）运行该cell
利用快捷键"Shift+Enter"，可以看到如下结果：

（3）可以看到，运行后，%load test.py被自动加入了注释符号#，test.py中的所有代码都被load到了当前的cell中
4.2 从网络load代码到jupyter
- 在cell中输入%load http://.....，然后运行该cell，就会将load后面所对应地址的代码load到当前的cell中；
- 下面给出一个例子，导入matplotlib中的一个小例子 color example code
  - 首先，在想要导入该段代码的cell中输入
    %load test.py #test.py是当前路径下的一个python文件
  - 1
  - 1
  - 然后，Shift+Enter运行，可以看到如下结果：
    
    可以看到，运行后，%load test.py被自动加入了注释符号#，test.py中的所有代码都被load到了当前的cell中
- 五、Jupyter运行python文件
  - 利用jupyter的cell是可以运行python文件的，即在cell中运行如下代码：
  %run file.py
  - 1
  - 1
  file.py为要运行的python程序，结果会显示在该cell中
  
  六、Jupyter一些其他琐碎用法
  6.1 jupyter的cell可以作为unix command使用
  具体方法为：在unitx command前面加入一个感叹号"！"
  例子：
  查看python版本：!python --version
  运行python文件：!python myfile.py
  6.2 Magic functions
  还没有太明白，具体细节见The cell magics in IPython
  6.3 获取current working directory
  即当前运行的代码所在的路径
  具体方法：current_path = %pwd
  这样得到的current_path就是当前工作路径的字符转
  6.4 使用Matplotlib绘图
  在Jupyter Notebook中，如果使用Matplotlib绘图，有时是弹不出图像框的，此时，可以在开头加入
  %matplotlib inline
  - 1
  - 1
  七、Jupyter中的Markdown
  参考1
  Markdown 语法手册（完整整理版）参考
  7.1 在jupyter中设置link，需要设置两部分：
  - 要跳到的位置(the destination)
    需要在要跳转到的位置添加下面语句:
    <a id='the_destination'></a>
  - 1
  - 1
    这里的id取值任意赋值，下面在添加链接时要用
  - 需要添加链接的文字（an internal hyperlink to the destination），即点击该处可以跳转到the destination，在需要添加链接的文字后面加入：
    [需要添加连接的文字](#the_destination)
  - 1
  - 1
  - 下面是一个例子：
    源码：
    
    效果图：
  7.2 为Jupyter Notebook添加目录功能
  - 原始的Jupyter是不支持markdown添加目录功能的
  - 实际上，可以利用Jupyter notebook extensions去使得这种功能实现
  - 具体方法：
    - 利用Anaconda安装Jupyter Notebook extensions
      conda install -c conda-forge jupyter_contrib_nbextensions
    - 打开Jupyter Notebook，在它的（新增的）Nbextensions标签下勾选"Table of Contents(2)"
    - 打开一个.jpynb文件，发现，目录功能可用了！
    参考文献
    [1] 为Jupyter Notebook添加目录
    
    顶
    14
    踩
    0
    猜你在找
    Jupyter Notebook的27个秘诀，技巧和快捷键
    文摘供稿
    
    原文链接
    翻译：姜范波
    校对：毛丽 && 寒小阳
    Jupyter Notebook
    Jupyther notebook ,也就是一般说的 Ipython notebook，是一个可以把代码、图像、注释、公式和作图集于一处，从而实现可读性分析的一种灵活的工具。
    Jupyter延伸性很好，支持多种编程语言，可以很轻松地安装在个人电脑或者任何服务器上——只要有ssh或者http接入就可以啦。最棒的一点是，它完全免费哦。
    
    Jupyter 界面
    默认情况下，Jupyter Notebook 使用Python内核，这就是为什么它原名 IPython Notebook。Jupyter notebook是Jupyter项目的产物——Jupyter这个名字是它要服务的三种语言的缩写：Julia，PYThon和R，这个名字与"木星（jupiter）"谐音。本文将介绍27个轻松使用Jupyter的小窍门和技巧。
    1、快捷键
    高手们都知道，快捷键可以节省很多时间。Jupyter在顶部菜单提供了一个快捷键列表：Help > Keyboard Shortcuts 。每次更新Jupyter的时候，一定要看看这个列表，因为不断地有新的快捷键加进来。另外一个方法是使用Cmd + Shift + P ( Linux 和 Windows下 Ctrl + Shift + P亦可)调出命令面板。这个对话框可以让你通过名称来运行任何命令——当你不知道某个操作的快捷键，或者那个操作没有快捷键的时候尤其有用。这个功能与苹果电脑上的Spotlight搜索很像，一旦开始使用，你会欲罢不能。
    
    几个我的最爱：
    - Esc + F 在代码中查找、替换，忽略输出。
    - Esc + O 在cell和输出结果间切换。
    - 选择多个cell:
      - Shift + J 或 Shift + Down 选择下一个cell。
      - Shift + K 或 Shift + Up 选择上一个cell。
      - 一旦选定cell，可以批量删除/拷贝/剪切/粘贴/运行。当你需要移动notebook的一部分时这个很有用。
    - Shift + M 合并cell.
    2、变量的完美显示
    有一点已经众所周知。把变量名称或没有定义输出结果的语句放在cell的最后一行，无需print语句，Jupyter也会显示变量值。当使用Pandas DataFrames时这一点尤其有用，因为输出结果为整齐的表格。
    鲜为人知的是，你可以通过修改内核选项ast_note_interactivity，使得Jupyter对独占一行的所有变量或者语句都自动显示，这样你就可以马上看到多个语句的运行结果了。

In [1]: from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
In [2]: from pydataset import data
quakes = data('quakes')
quakes.head()
quakes.tail()
Out[2]:
lat long depth mag stations
1 -20.42 181.62 562 4.8 41
2 -20.62 181.03 650 4.2 15
3 -26.00 184.10 42 5.4 43
4 -17.97 181.66 626 4.1 19
5 -20.42 181.96 649 4.0 11
Out[2]:
lat long depth mag stations
996 -25.93 179.54 470 4.4 22
997 -12.28 167.06 248 4.7 35
998 -20.13 184.20 244 4.5 34
999 -17.40 187.80 40 4.5 14
1000 -21.59 170.56 165 6.0 119

如果你想在各种情形下（Notebook和Console）Jupyter都同样处理，用下面的几行简单的命令创建文件~/.ipython/profile_default/ipython_config.py即可实现：

c = get_config()
# Run all nodes interactively
c.InteractiveShell.ast_node_interactivity = "all"

3、轻松链接到文档

在Help 菜单下，你可以找到常见库的在线文档链接，包括Numpy，Pandas，Scipy和Matplotlib等。
另外，在库、方法或变量的前面打上?，即可打开相关语法的帮助文档。

In [3]: ?str.replace()

Docstring:

S.replace(old, new[, count]) -> str

Return a copy of S with all occurrences of substring

old replaced by new. If the optional argument count is

given, only the first count occurrences are replaced.

Type: method_descriptor

4、在notebook里作图

在notebook里作图，有多个选择：
- matplotlib （事实标准），可通过%matplotlib inline 激活，详细链接
- %matplotlib notebook 提供交互性操作，但可能会有点慢，因为响应是在服务器端完成的。
- mpld3 提供matplotlib代码的替代性呈现（通过d3），虽然不完整，但很好。
- bokeh 生成可交互图像的更好选择。
- plot.ly 可以生成非常好的图，可惜是付费服务。

5、 Jupyter Magic命令

上文提到的%matplotlib inline 是Jupyter Magic命令之一。
推荐阅读Jupyter magic命令的相关文档，它一定会对你很有帮助。下面是我最爱的几个：

6、 Jupyter Magic-%env：设置环境变量

不必重启jupyter服务器进程，也可以管理notebook的环境变量。有的库（比如theano）使用环境变量来控制其行为，%env是最方便的途径。

In [55]: # Running %env without any arguments

# lists all environment variables

# The line below sets the environment

# variable OMP_NUM_THREADS

%env OMP_NUM_THREADS=4

env: OMP_NUM_THREADS=4

7、Jupyter Magic - %run: 运行python代码

%run 可以运行.py格式的python代码——这是众所周知的。不那么为人知晓的事实是它也可以运行其它的jupyter notebook文件，这一点很有用。
注意：使用%run 与导入一个python模块是不同的。

In [56]: # this will execute and show the output from

# all code cells of the specified notebook

%run ./two-histograms.ipynb

8、Jupyter Magic -%load：从外部脚本中插入代码

该操作用外部脚本替换当前cell。可以使用你的电脑中的一个文件作为来源，也可以使用URL。

In [ ]: # Before Running

%load ./hello_world.py

In [61]: # After Running

# %load ./hello_world.py

if __name__ == "__main__":

print("Hello World!")

Hello World!

9、Jupyter Magic - %store: 在notebook文件之间传递变量

%store 命令可以在两个notebook文件之间传递变量。

In [62]: data = 'this is the string I want to pass to different notebook'

%store data

del data # This has deleted the variable

Stored 'data' (str)

现在，在一个新的notebook文档里……

In [1]: %store -r data

print(data)

this is the string I want to pass to different notebook

10、Jupyter Magic - %who: 列出所有的全局变量

不加任何参数， %who 命令可以列出所有的全局变量。加上参数 str 将只列出字符串型的全局变量。

In [1]: one = "for the money"

two = "for the show"

three = "to get ready now go cat go"

%who str

one three two

11、Jupyter Magic – 计时

有两种用于计时的jupyter magic命令： %%time 和 %timeit.当你有一些很耗时的代码，想要查清楚问题出在哪时，这两个命令非常给力。
仔细体会下我的描述哦。
%%time 会告诉你cell内代码的单次运行时间信息。

In [4]: %%time

import time

for _ in range(1000):

time.sleep(0.01)# sleep for 0.01 seconds

CPU times: user 21.5 ms, sys: 14.8 ms, total: 36.3 ms

Wall time: 11.6 s

%%timeit 使用了Python的 timeit 模块，该模块运行某语句100，000次（默认值），然后提供最快的3次的平均值作为结果。

In [3]: import numpy

%timeit numpy.random.normal(size=100)

The slowest run took 7.29 times longer than the fastest. This could mean that an intermediate result is being cached.

100000 loops, best of 3: 5.5 µs per loop

12、Jupyter Magic - %%writefile and %pycat:导出cell内容/显示外部脚本的内容

使用%%writefile magic可以保存cell的内容到外部文件。而%pycat功能相反，把外部文件语法高亮显示（以弹出窗方式）。

In [7]: %%writefile pythoncode.py

import numpy

def append_if_not_exists(arr, x):

if x not in arr:

arr.append(x)

def some_useless_slow_function():

arr = list()

for i in range(10000):

x = numpy.random.randint(0, 10000)

append_if_not_exists(arr, x)

Writing pythoncode.py

In [8]: %pycat pythoncode.py

import numpy

def append_if_not_exists(arr, x):

if x not in arr:

arr.append(x)

def some_useless_slow_function():

arr = list()

for i in range(10000):

x = numpy.random.randint(0, 10000)

append_if_not_exists(arr, x)

13、Jupyter Magic - %prun: 告诉你程序中每个函数消耗的时间

使用%prun+函数声明会给你一个按顺序排列的表格，显示每个内部函数的耗时情况，每次调用函数的耗时情况，以及累计耗时。

In [47]: %prun some_useless_slow_function()

26324 function calls in 0.556 seconds

Ordered by: internal time

ncalls tottime percall cumtime percall filename:lineno(function)

10000 0.527 0.000 0.528 0.000 <ipython-input-46-b52343f1a2d5>:2(append_if_not_exists)

10000 0.022 0.000 0.022 0.000 {method 'randint' of 'mtrand.RandomState' objects}

1 0.006 0.006 0.556 0.556 <ipython-input-46-b52343f1a2d5>:6(some_useless_slow_function)

6320 0.001 0.000 0.001 0.000 {method 'append' of 'list' objects}

1 0.000 0.000 0.556 0.556 <string>:1(<module>)

1 0.000 0.000 0.556 0.556 {built-in method exec}

1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}

14、Jupyter Magic –用%pdb调试程序

Jupyter 有自己的调试界面The Python Debugger (pdb)，使得进入函数内部检查错误成为可能。
Pdb中可使用的命令见链接

In [ ]: %pdb

def pick_and_take():

picked = numpy.random.randint(0, 1000)

raise NotImplementedError()

pick_and_take()

Automatic pdb calling has been turned ON

---------------------------------------------------------------------------

NotImplementedError Traceback (most recent call last)

<ipython-input-24-0f6b26649b2e> in <module>()

5 raise NotImplementedError()

----> 7 pick_and_take()

<ipython-input-24-0f6b26649b2e> in pick_and_take()

3 def pick_and_take():

4 picked = numpy.random.randint(0, 1000)

----> 5 raise NotImplementedError()

7 pick_and_take()

NotImplementedError:

> <ipython-input-24-0f6b26649b2e>(5)pick_and_take()

3 def pick_and_take():

4 picked = numpy.random.randint(0, 1000)

----> 5 raise NotImplementedError()

7 pick_and_take()

ipdb>

15、末句函数不输出

有时候不让末句的函数输出结果比较方便，比如在作图的时候，此时，只需在该函数末尾加上一个分号即可。

In [4]: %matplotlib inline

from matplotlib import pyplot as plt

import numpy

x = numpy.linspace(0, 1, 1000)**1.5

In [5]: # Here you get the output of the function

plt.hist(x)

Out[5]:

(array([ 216., 126., 106., 95., 87., 81., 77., 73., 71., 68.]),

array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1. ]),

<a list of 10 Patch objects>)

In [6]: # By adding a semicolon at the end, the output is suppressed.

plt.hist(x);

16、运行Shell命令

在notebook内部运行shell命令很简单，这样你就可以看到你的工作文件夹里有哪些数据集。

In [7]: !ls *.csv

nba_2016.csv titanic.csv

pixar_movies.csv whitehouse_employees.csv

17、用LaTex 写公式

当你在一个Markdown单元格里写LaTex时，它将用MathJax呈现公式：如
$$ P(A \mid B) = \frac{P(B \mid A) , P(A)}{P(B)} $$

会变成

18、在notebook内用不同的内核运行代码

如果你想要，其实可以把不同内核的代码结合到一个notebook里运行。
只需在每个单元格的起始，用Jupyter magics调用kernal的名称：

%%bash
%%HTML
%%python2
%%python3
%%ruby
%%perl
In [6]: %%bash
for i in {1..5}
do
echo "i is $i"
done

i is 1

i is 2

i is 3

i is 4

i is 5

19、给Jupyter安装其他的内核

Jupyter的优良性能之一是可以运行不同语言的内核。下面以运行R内核为例说明：

简单的方法：通过Anaconda安装R内核

conda install -c r r-essentials

稍微麻烦的方法：手动安装R内核

如果你不是用Anaconda，过程会有点复杂，首先，你需要从CRAN安装R。
之后，启动R控制台，运行下面的语句：

install.packages(c('repr', 'IRdisplay', 'crayon', 'pbdZMQ', 'devtools'))

devtools::install_github('IRkernel/IRkernel')

IRkernel::installspec() # to register the kernel in the current R installation

20、在同一个notebook里运行R和Python

要这么做，最好的方法事安装rpy2（需要一个可以工作的R），用pip操作很简单：
pip install rpy2
然后，就可以同时使用两种语言了，甚至变量也可以在二者之间公用：

In [1]: %load_ext rpy2.ipython

In [2]: %R require(ggplot2)

Out[2]: array([1], dtype=int32)

In [3]: import pandas as pd

df = pd.DataFrame({

'Letter': ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],

'X': [4, 3, 5, 2, 1, 7, 7, 5, 9],

'Y': [0, 4, 3, 6, 7, 10, 11, 9, 13],

'Z': [1, 2, 3, 1, 2, 3, 1, 2, 3]

})

In [4]: %%R -i df

ggplot(data = df) + geom_point(aes(x = X, y= Y, color = Letter, size = Z))

21、用其他语言写函数

有时候numpy的速度有点慢，我想写一些更快的代码。
原则上，你可以在动态库里编译函数，用python来封装…
但是如果这个无聊的过程不用自己干，岂不更好？
你可以在cython或fortran里写函数，然后在python代码里直接调用。
首先，你要先安装：

!pip install cython fortran-magic

In [ ]: %load_ext Cython

In [ ]: %%cython

def myltiply_by_2(float x):

return 2.0 * x

In [ ]: myltiply_by_2(23.)

我个人比较喜欢用Fortran，它在写数值计算函数时十分方便。更多的细节在这里。

In [ ]: %load_ext fortranmagic

In [ ]: %%fortran

subroutine compute_fortran(x, y, z)

real, intent(in) :: x(:), y(:)

real, intent(out) :: z(size(x, 1))

z = sin(x + y)

end subroutine compute_fortran

In [ ]: compute_fortran([1, 2, 3], [4, 5, 6])

还有一些别的跳转系统可以加速python 代码。更多的例子见链接：

22、支持多指针

Jupyter支持多个指针同步编辑，类似Sublime Text编辑器。按下Alt键并拖拽鼠标即可实现。

23、Jupyter外接拓展

Jupyter-contrib extensions是一些给予Jupyter更多更能的延伸程序，包括jupyter spell-checker和code-formatter之类.
下面的命令安装这些延伸程序，同时也安装一个菜单形式的配置器，可以从Jupyter的主屏幕浏览和激活延伸程序。

!pip install https://github.com/ipython-contrib/jupyter_contrib_nbextensions/tarball/master

!pip install jupyter_nbextensions_configurator

!jupyter contrib nbextension install --user

!jupyter nbextensions_configurator enable --user

24、从Jupyter notebook创建演示稿

Damian Avila的RISE允许你从已有的notebook创建一个powerpoint形式的演示稿。
你可以用conda来安装RISE：

conda install -c damianavila82 rise

或者用pip安装：

pip install RISE

然后运行下面的代码来安装和激活延伸程序：

jupyter-nbextension install rise --py --sys-prefix

jupyter-nbextension enable rise --py --sys-prefix

25、Jupyter输出系统

Notebook本身以HTML的形式显示，单元格输出也可以是HTML形式的，所以你可以输出任何东西：视频/音频/图像。
这个例子是浏览我所有的图片，并显示前五张图的缩略图。

In [12]: import os

from IPython.display import display, Image

names = [f for f in os.listdir('../images/ml_demonstrations/') if f.endswith('.png')]

for name in names[:5]:

display(Image('../images/ml_demonstrations/' + name, width=100))

我们也可以用bash命令创建一个相同的列表，因为magics和bash运行函数后返回的是python 变量：

In [10]: names = !ls ../images/ml_demonstrations/*.png

names[:5]

Out[10]: ['../images/ml_demonstrations/colah_embeddings.png',

'../images/ml_demonstrations/convnetjs.png',

'../images/ml_demonstrations/decision_tree.png',

'../images/ml_demonstrations/decision_tree_in_course.png',

'../images/ml_demonstrations/dream_mnist.png']

26、大数据分析

很多方案可以解决查询/处理大数据的问题：

ipyparallel（之前叫 ipython cluster）是一个在python中进行简单的map-reduce运算的良好选择。我们在rep中使用它来并行训练很多机器学习模型。
pyspark
spark-sql magic %%sql

27、分享notebook

分享notebook最方便的方法是使用notebook文件（.ipynb），但是对那些不使用notebook的人，你还有这些选择：

通过File > Download as > HTML 菜单转换到html文件。
用gists或者github分享你的notebook文件。这两个都可以呈现notebook，示例见链接
如果你把自己的notebook文件上传到github的仓库，可以使用很便利的Mybinder服务，允许另一个人进行半个小时的Jupyter交互连接到你的仓库。
用jupyterhub建立你自己的系统，这样你在组织微型课堂或者工作坊，无暇顾及学生们的机器时就非常便捷了。
将你的notebook存储在像dropbox这样的网站上，然后把链接放在nbviewer，nbviewer可以呈现任意来源的notebook。
用菜单File > Download as > PDF 保存notebook为PDF文件。如果你选择本方法，我强烈建议你读一读Julius Schulz的文章
用Pelican从你的notebook创建一篇博客。
https://www.zybuluo.com/hanxiaoyang/note/534296

转载于:https://www.cnblogs.com/billvvv/p/7056880.html

weixin_30575309

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
初学者需要IPython 与 Jupyter Notebook 吗?

ipython 是 jupyter notebook的前身并拥有ipython的全部功能 jupyter拥有 cell, markdown 整合的功能, 能同时运行代码, 而且是多组的. 同时也可以插入markdown这种多功能注释包括图片(但支持很差). 写教程,写博客非常一流. 而且还可以上传到jupyterhub…据说要自己搭建对于初学者来说,...
复制链接

扫一扫