01_Jupyter_Notebook：交互式计算环境

Jupyter Notebook：交互式计算环境 (Jupyter Notebook: Interactive Computing)

---

章节概述

Jupyter Notebook 是数据科学和科学计算的标准工具——在浏览器中编写代码、运行结果、插入文档、绘制图表，全部在一个 .ipynb 文件中完成。对于 C 程序员来说，Jupyter 就是一个”交互式 REPL + 可视化 + 文档”的三合一环境。

核心价值：C 程序的开发循环是 edit → compile → run → debug。Jupyter 的开发循环是 write cell → shift+enter → see result → iterate——快得多。

---

1. 安装与启动

# 安装完整版（含常用科学计算库）
pip install jupyterlab numpy pandas matplotlib
 
# 启动 JupyterLab（推荐）
jupyter lab
# 浏览器自动打开 http://127.0.0.1:8888/
 
# 启动经典 Notebook
jupyter notebook

# 远程服务器部署（常用场景）
jupyter lab --ip 0.0.0.0 --port 8888 --no-browser --allow-root
# 用 SSH 隧道访问：ssh -L 8888:localhost:8888 user@server

---

2. 基本操作

单元格类型

类型	快捷键	用途
Code	Y	执行 Python 代码
Markdown	M	写文档、公式、说明
Raw	R	原始文本（不渲染）

常用快捷键

快捷键	功能
Shift+Enter	运行当前单元格并跳到下一格
Ctrl+Enter	运行当前单元格并保持选中
A	在上方插入新单元格
B	在下方插入新单元格
DD	删除当前单元格
Z	撤销删除
L	显示行号
Ctrl+Shift+-	在光标处分割单元格
Esc → M	切换到 Markdown
Esc → Y	切换到 Code

---

3. 魔法命令

# 行魔法（% 前缀）
%timeit sum(range(1000))           # 计时
%matplotlib inline                 # 内联显示图表
%who                               # 列出所有变量
%load script.py                    # 加载外部脚本到单元格
%pip install pandas                # 在 Notebook 中安装包
 
# 均魔法（%% 前缀，作用于整个单元格）
%%timeit
result = [i**2 for i in range(10000)]
 
%%bash
ls -la
echo "Hello from bash"

---

4. 数据分析工作流

import pandas as pd
import matplotlib.pyplot as plt
 
# 读取数据
df = pd.read_csv('data.csv')
 
# 快速探索
df.head()           # 前5行
df.info()           # 列类型和非空数
df.describe()       # 统计摘要
 
# 数据清洗
df = df.dropna()                          # 删除缺失值
df['date'] = pd.to_datetime(df['date'])   # 转换日期
df = df[df['value'] > 0]                  # 过滤
 
# 分析
summary = df.groupby('category')['value'].agg(['mean', 'std', 'count'])
 
# 可视化
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
df.plot(x='date', y='value', ax=axes[0], title='时序图')
summary['mean'].plot(kind='bar', ax=axes[1], title='分类均值')
plt.tight_layout()
plt.show()

---

5. 与 C 程序集成

# 在 Notebook 中编译和运行 C 代码
%%bash
cat > test.c << 'EOF'
#include <stdio.h>
int main() {
    int sum = 0;
    for (int i = 0; i < 1000; i++) sum += i;
    printf("Sum = %d\n", sum);
    return 0;
}
EOF
gcc -o test test.c && ./test

# 使用 ctypes 调用 C 共享库
import ctypes
lib = ctypes.CDLL('./libmylib.so')
result = lib.add(10, 20)
print(f"C 函数返回: {result}")

# 使用 Cython 加速（在 Notebook 中）
%load_ext Cython

%%cython
def fib(int n):
    cdef int a = 0, b = 1, i
    for i in range(n):
        a, b = b, a + b
    return a

---

6. 导出与分享

# 导出为不同格式
jupyter nbconvert --to html notebook.ipynb
jupyter nbconvert --to pdf notebook.ipynb
jupyter nbconvert --to script notebook.ipynb   # 纯 Python 脚本
jupyter nbconvert --to markdown notebook.ipynb
 
# 命令行执行整个 notebook（自动化测试）
jupyter nbconvert --execute --to notebook notebook.ipynb

---

7. Jupyter 与其他工具

工具	特点	适用
JupyterLab	下一代 Notebook，多标签	日常开发
Jupyter Notebook	经典版本	兼容性好
Google Colab	免费 GPU，云端运行	深度学习
VS Code + Jupyter	VS Code 内集成	已用 VS Code 的人
Observable	JS 版 Notebook	Web 可视化

---

速查卡片

需求	命令
安装	pip install jupyterlab
启动	jupyter lab
运行单元格	Shift+Enter
新建单元格	A（上）/ B（下）
删除单元格	DD
转为 Markdown	M
转为 Code	Y
导出 HTML	jupyter nbconvert --to html file.ipynb
导出脚本	jupyter nbconvert --to script file.ipynb