Jupyter¶

简介¶

Jupyter 是个交互式开发环境，由 前端、后端、内核 三部分组成。前端提供了可交互的界面，并能够进行渲染；后端负责处理前端的请求，并和内核通信；内核可以实际执行代码，并提供了特殊命令。

graph LR
  A[前端]
  B[后端]
  C[内核]
  A --请求--> B
  B --转发结果--> A
  B --转发请求--> C
  C --结果--> B

功能¶

编程笔记本¶

Jupyter 使用特殊的 笔记本 文件格式，可以将文档、代码等放在一起展示

• 文档是基于 Markdown 的，渲染效果和前端有关
• 代码支持使用不同的语言，需要 安装对应的内核

Jupyter 的这种笔记本格式可以把代码、文本、图片、公式、图表作为一个复合文档统一展示。别人打开笔记本时可以看到你记录的完整分析过程、所有源代码和全部运行结果，也可以简单地重新运行部分代码看看是否能够复现。

当然了，这种笔记本格式也可以使用工具（比如 nbconvert 和 pandoc）导出为别的格式，包括但不限于 HTML 和 PDF，从而更方便分享。

远程开发¶

Jupyter 由于其前后端分离的架构设计，天然适合远程开发，这使得其在人工智能和科学计算领域非常流行。这些领域非常依赖机器性能，但没有人愿意抱着厚重机器到处跑。但有了 Jupyter，只需用轻薄本连上一个强大的远程服务器，就可以愉快地开发了。

交互式开发¶

Jupyter 还代表了一种新的编程方式，同时拥有 REPL 和 直接运行整个文件 的优点。代码是写在一个个块里的，你可以单独执行一个块的代码，也可以一次执行所有块的代码。甚至，配合一些工具，你还可以给块分组，然后单独执行某个组里的代码。比如对于机器学习任务，你可以只运行一小段数据处理代码，看看结果是否正确；然后运行一段可视化代码，看看整体的数据分布；接着尝试一些参数和模型，进行简单的训练；最后看看训练的效果，如有需要再回去调整。上述所有步骤都不需要从头开始重新执行文件，这种即时反馈极大地提升了探索和调试的效率。

Jupyter 还提供了一些魔法命令，有很多实用的功能，并且支持直接运行外部命令。这也使得 Jupyter 不仅仅是一个编辑器，而成为了一个集成开发环境。

安装¶

Jupyter 为了远程开发和多语言支持而设计了复杂的架构。因此，想要本地使用 Jupyter，不仅要有前端，还要有后端和内核。当然，如果你想进行远程开发的话，那么只需本地有前端就行，后端和内核都可以运行在别的机器上。

• 前端可以直接使用 浏览器，此时界面会取决于后端。或者也可以使用支持 Jupyter 的 编辑器，比如 VSCode（需要下载 Jupyter 拓展）。
• 后端可以选择 jupyterlab 或 notebook，两者都可以通过 pip 安装，jupyterlab 可能更好一点。VSCode 的拓展实现了后端的主要功能，因此可以不额外安装后端。
• 内核有很多种，不同语言自然有不同的内核，一种语言也可能有多种内核。python 的内核一般用 ipykernel，通过 pip install ipykernel 就可以安装。你可以在 这里 找到目前能用的所有内核。

使用¶

VSCode¶

使用 VSCode 作为前端可以参考 官方文档，里面有很详细的使用方法说明。

Browser¶

如果你使用浏览器作为前端，那么你需要本地启动一个后端服务器。运行命令后会自动在浏览器中打开给定的 URL，你也可以手动输入。

# notebook
jupyter notebook
# jupyterlab
jupyter lab

导出¶

导出可以使用 nbconvert 或 pandoc。更推荐使用前者，可以通过 pip install nbconvert 来安装。VSCode 的导出实际上就使用了 nbconvert

# 将 example.ipynb 导出为 export.html
jupyter nbconvert example.ipynb --to html --output export

nbconvert 支持导出为 PDF 和 HTML。不过对于 PDF，建议先导出为 HTML，再使用浏览器的 打印 功能。如果想直接转换为 PDF，不管是 nbconvert 还是 pandoc 都会尝试使用 \(\LaTeX\) 进行编译，因此需要安装 \(\TeX\) 环境；不仅如此，对于中文字体还需要额外的设置，比较麻烦。

命令行¶

Jupyter 的命令行工具除了可以启动后端服务器、进行导出外，还有别的功能。

比如 jupyter kernelspec list 可以列出当前能用的所有内核。

更多的用法可以通过 jupyter --help 来查看。