Jupyter Notebook入门：安装、单元格与魔法命令

Python 做数据分析，第一步通常不是学语法，而是先拿到一个能边写边看结果的交互环境。Jupyter 就是这件事的标准答案：代码按「单元格（cell）」执行，变量留在内存里，图和数据框直接印在下方。

代价是它的运行模型和普通脚本完全不同。notebook 里保存的代码和内存里真正生效的代码可以是两份东西，这是绝大多数「昨天还能跑通，今天结果变了」事故的来源。先把环境装对，再把这个模型搞清楚。

安装：pip 与 conda 两条路

最省事的是用 pip 装 JupyterLab：

pip install jupyterlab

只想要经典界面就装 Notebook 包：

pip install notebook

两者可以共存，分别用 jupyter lab 和 jupyter notebook 启动。Notebook 7 之后底层换成了 JupyterLab 的组件，界面差别不大，新项目直接用 JupyterLab。

一个课题一个虚拟环境，避免包版本互相污染：

python -m venv .venv
source .venv/bin/activate          # Windows: .venv\Scripts\activate
pip install jupyterlab pandas scikit-learn

这里有个高频陷阱：Jupyter 的代码是在内核（kernel）里执行的，内核不一定是终端里激活的那个环境。如果你系统里早就装过 Jupyter，新建的 venv 里只装了 pandas，那么 jupyter lab 启动的是系统那份 Jupyter，内核也是系统 Python，import pandas 立刻报 ModuleNotFoundError。稳妥做法是在环境内装 Jupyter，并用 python -m jupyter lab 启动，让解释器和内核必然对上。

conda 用户走另一条路：

conda create -n ds python=3.12
conda activate ds
conda install jupyterlab pandas scikit-learn

conda 的优势是 numpy、scipy 这类带 C 扩展的包有预编译版本，不用现场编译；代价是依赖解析慢。把环境写进 environment.yml 再分享，同门才能装出一模一样的版本。同一个环境里不要混用 conda 和 pip 装同一批包，两套依赖记录会互相打架。

启动与界面

jupyter lab

终端会打印一个带 token 的地址：

[I 2026-09-22 10:03:11.482 ServerApp] Jupyter Server 2.14.0 is running at:
[I 2026-09-22 10:03:11.482 ServerApp] http://localhost:8888/lab?token=8f3c1d2e9a7b4c5d

浏览器一般会自动打开。如果跑在实验室的远程服务器上，用 jupyter lab --no-browser 启动，再在本地做端口转发：

ssh -L 8888:localhost:8888 user@server

这样本地的 8888 端口就接到了服务器上，接着在本地浏览器打开那个带 token 的地址。

一个 notebook 由若干单元格组成，最常用的是 Code（执行代码）和 Markdown（写说明和公式）两种。新手最容易卡住的是模式：编辑模式才能打字，命令模式才能用单元格级快捷键。

操作	快捷键	说明
编辑模式 / 命令模式切换	`Enter` / `Esc`	命令模式下才能用下表快捷键
运行并跳到下一格	`Shift + Enter`	用得最多的一个键
运行并留在本格	`Ctrl + Enter`	反复调试同一段代码时用
在上方 / 下方插入单元格	`A` / `B`	需在命令模式
删除单元格	`D D`	连按两次
在 Markdown 与 Code 间切换	`M` / `Y`	需在命令模式

运行过的 Code 单元格左侧会出现 In [3] 这样的序号。注意它是执行顺序，不是从上到下的排列顺序——记住这一点，下面的问题就都好理解了。

乱序执行：notebook 最大的坑

先在 Cell 1 里定义变量并运行：

rate = 0.05
years = 10
print(1000 * (1 + rate) ** years)

1628.894626777442

然后回到 Cell 1，把 rate 改成 0.08，但不运行它，直接运行下面的 Cell 2：

print(1000 * (1 + rate) ** years)

1628.894626777442

输出还是旧值。此刻文件里保存的代码写着 rate = 0.08，内存里生效的却仍是 rate = 0.05。你把 notebook 发给同门，他从头运行一遍，得到的数字和你屏幕上的不一样——而且没人能一眼看出哪里不对。

反过来更危险的情况是：清洗逻辑改了却忘了重跑，后面所有统计量都建立在一份已被覆盖的数据上，全程没有任何报错。

三条习惯基本能消除这类问题：

得到重要结果之前，执行 Kernel → Restart Kernel and Run All Cells，从干净内存完整跑一遍。
单元格顺序按依赖关系从上到下排列，不要靠「先跑下面再跑上面」凑结果。
耗时的中间结果存成文件，不要指望内存里的变量一直在。

魔法命令

IPython 提供一批以 % 开头的命令，只在 notebook 和 IPython 里生效。常用的几个：

%timeit 会自动多轮运行取平均，比手写 time.time() 可靠：

%timeit sum(i * i for i in range(1000))

105 µs ± 2.1 µs per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

%%time 作用于整个单元格，只跑一次，适合给数据加载、模型拟合计时：

%%time
total = sum(i * i for i in range(10_000_000))
print(total)

333333283333335000000
CPU times: user 1.05 s, sys: 0 ns, total: 1.05 s
Wall time: 1.05 s

%matplotlib inline 让图直接嵌在输出里。IPython 5 之后 inline 已经是默认后端，不写也能出图，显式写出来的唯一意义是提醒自己别在同一个 notebook 里来回切后端——装了 ipympl 之后用 %matplotlib widget 会切成可交互画布，两种后端混着用经常得到空白图。

其余几个顺手记住：

%pwd、%ls 查看当前目录和文件，等价于 shell 的 pwd、ls。
%who 列出当前内存里的变量名，忘了自己定义过什么时很有用。
%run script.py 把外部脚本当单元格执行，脚本里定义的函数直接进入当前命名空间。
%load_ext autoreload 加 %autoreload 2，改完 .py 模块不用重启内核，下次调用自动重新加载。
%pip install 包名 安装到当前内核所在的环境，比 !pip install 可靠，后者用的是启动 Jupyter 时那个 shell 的解释器。

.ipynb 的 JSON 本质

用文本编辑器打开任意 .ipynb，看到的是一个 JSON 文件（下面省略了部分字段）：

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {},
   "outputs": [
    {
     "data": { "text/plain": ["1628.894626777442"] },
     "execution_count": 3,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": ["rate = 0.05\n", "1000 * (1 + rate) ** years"]
  }
 ],
 "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" } },
 "nbformat": 4,
 "nbformat_minor": 5
}

关键在 outputs 和 execution_count：运行结果会被写进文件，图片以 base64 编码塞在同一个字段里。这带来三个后果：

代码改了没重跑，文件里存的是旧输出，翻看的人看到的是过期结论；
execution_count 每次运行都变，git diff 里全是噪声，图片 base64 差一个像素就是几万字符的差异；
图多了之后仓库体积涨得很快。

三种应对方式，按投入从低到高：

提交前用 Edit → Clear All Outputs 清空输出，或者装 nbstripout 挂成 git filter，提交时自动清空。
用 Jupytext 把 notebook 和同名的 .py 文件配对，git 里只跟踪脚本，notebook 由脚本生成。
把 notebook 当探索工具，最终分析固化成 .py 脚本或 Quarto 文档，让结果可以一键重跑。R 语言的 /r/reporting/quarto/ 讲的是同一套思路，只是那边的计算引擎默认是 knitr。

导出方面，File → Save and Export Notebook As 支持 HTML 和 Markdown，写论文附录用 HTML 版最省事。导出 PDF 需要本机有完整的 LaTeX 环境，配起来比写分析本身还费时。

常见问题

jupyter: command not found 包没装进当前环境，或者可执行文件目录不在 PATH。用 python -c "import jupyterlab" 确认装在哪个解释器里，然后用 python -m jupyter lab 启动。

单元格一直显示 [*] 多半是死循环或者卡在网络请求。菜单 Kernel → Interrupt Kernel 中断；实在不行 Restart Kernel，代价是变量全清空，得从头运行。

改了 .py 模块，import 进来的还是旧代码 Python 只在第一次 import 时读取文件。要么重启内核，要么用前面说的 %autoreload 2。

图里的中文变成方块 Matplotlib 默认字体不含中文字形，解决办法见 /python/visualization/matplotlib-basics/。

环境有了，接着要熟悉 Python 数据科学的计算底座。下一篇 /python/basics/numpy/ 讲 ndarray 的创建、索引和广播，那是 pandas 与 scikit-learn 共同依赖的东西。