Jupyter Notebook安裝

1 Jupyter notebook概述

Jupyter notebook是一個開源Web應用程序，允許創建和共享包含實時代碼、公式、可視化圖形和文本描述的文檔工具。它用途非常廣泛，包括：數據清理和轉換，數值模擬，統計建模，數據可視化和機器學習等。

它是一個交互式的筆記本，支持超過40種編程語言，可以通過網頁的形式進行編程，即在網頁中直接編寫代碼和運行代碼，代碼的運行結果也會直接在代碼塊下面進行顯示。可以說非常方便。如果在編程過程中需要編寫說明文檔相關信息，可以使用Markdown直接進行編寫，便于作及時的說明和解釋。

2 ?Jupyter Notebook安裝

下面介紹如何安裝Jupyter Notebook，這里采用pip進行安裝，命令如下：

[root@hadoop01 ~]# pip3 install jupyter

默認情況下，pip3安裝軟件的鏡像是國外，可能會非常慢，因此建議更換默認的鏡像，例如在CentOS 7下更換python pip3源為阿里源，具體操作如下：

創建.pip文件夾：

[root@hadoop01 ~]# mkdir ~/.pip

創建pip.conf配置文件：

[root@hadoop01 ~]# touch ~/.pip/pip.conf

修改pip.conf配置文件：

[root@hadoop01 ~]# vim ~/.pip/pip.conf

修改文件內容為：

[global] index-url=http://mirrors.aliyun.com/pypi/simple [install] trusted-host=mirrors.aliyun.com

Python經常用于數據分析和機器學習，但其只依賴Python本身自帶的庫進行數據分析還遠遠不夠，因此需要安裝第三方擴展庫來增強數據分析能力。Python數據分析需要安裝的第三方擴展庫有：

NumPy

NumPy是一種開源的數值計算庫。它可用來存儲和處理大型矩陣（Matrix）的計算，比Python自身的嵌套列表結構要高效的多，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。

Pandas

Pandas是基于NumPy的一種工具，該工具是為了解決數據分析而創建。它納入了大量的庫和一些標準的數據模型，提供了高效的操作大型數據集所需的組件，能快速、便捷的處理數據。

SciPy

SciPy是一個開源科學計算庫，偏重于符號計算。自2001年首次發布以來，SciPy已經成為Python語言中科學算法的行業標準。該項目擁有數以千計的相關開發包和超過150,000個依賴存儲庫。

Matplotlib

Matplotlib是一個2D繪圖庫，它可以用跨平臺的交互式環境生成高質量的圖形。開發者僅需要幾行代碼，便可以生成繪圖，直方圖，功率譜，條形圖，錯誤圖和散點圖等。而且生成的圖形非常美觀。

Scikit-Learn

Scikit-Learn是基于Python語言的機器學習工具，建立在NumPy、SciPy和Matplotlib工具之上，因此它是一款簡單高效的數據挖掘和數據分析工具。它的基本功能主要分為6大部分：分類，回歸，聚類，數據降維，模型選擇和數據預處理。

Keras

Keras是一個由Python編寫的開源人工神經網絡庫，可以作為Tensorflow、Microsoft-CNTK和Theano的高階應用程序接口，進行深度學習模型的設計、調試、評估、應用和可視化。

在Jupyter Notebook中如果要訪問Spark，還需要進行一些額外的配置，首先需要安裝一個findspark的庫，執行如下命令即可：

[root@hadoop01 ~]# pip3 install findspark

成功安裝后，切換到/usr/local/python3/bin目錄中，有jupyter命令工具，由于此目錄并不在環境變量中，因此無法直接用jupyter notebook進行啟動。如果不清楚jupyter工具安裝在何處，則可以用find命令進行查找，如下所示：

[root@hadoop01 ~]# find / -name \jupyter

則輸出界面如圖所示。

用如下命令啟動Jupyter Notebook:

[root@hadoop01 bin]# ./jupyter notebook --allow-root

在打開的web頁面上，新建一個python記事本，然后輸入如下腳本：

import findspark findspark.init() import pyspark import random sc = pyspark.SparkContext(appName="Pi") num_samples = 100000000 def inside(p): x, y = random.random(), random.random() return x*x + y*y < 1 count = sc.parallelize(range(0, num_samples)).filter(inside).count() pi = 4 * count / num_samples print(pi) sc.stop()

單擊工具條上的運行按鈕圖標，即可運行。運行結果如圖所示。

Jupyter Notebook中每個步驟執行的代碼以及結果都可以以文件的形式進行保存，這樣下次可以不用重復輸入命令，只要重新執行即可。將上述示例保存文件夾為python01，則文件名為python01.ipynb。

對于很多操作而言，可以首先建立文件夾用于分組，然后在每個文件夾中創建文件來進行相關代碼的編程。

此外，可以用如下命令進行擴展配置：

[root@hadoop01 bin]#pip3 install jupyter_nbextensions_configurator [root@hadoop01 bin]#./jupyter nbextensions_configurator enable –user

至此，還存在一個問題，就是不能在其他電腦上進行訪問，配置遠程訪問Jupyter Notebook的過程。首先，輸入ipython生成秘鑰，設定一個密碼（用于后續登錄jupyter notebook），會生成一個sha1的秘鑰。具體的這個過程，可以參考網上其他文章，這里不再贅述。

Jupyter notebook Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。