1 Jupyter简介

Jupyter Notebook是一个交互式笔记本，支持运行40多种编程语言，本质是一个Web应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和Markdown。

2 安装

使用pip或pip3安装：

# sudo pip install jupyter
sudo pip3 install jupyter

3 简单自定义设置

首先生成默认配置：

jupyter notebook --generate-config

接着会提示默认配置的位置，打开，找到c.NotebookApp.notebook.dir=''可以修改默认目录：

注意需要加上u前缀，表示Unicode字符串。

c.NotebookApp.browser可以修改默认浏览器，比如修改为Chrome：

需要加上%s参数，路径修改为对应路径。

其余配置请配合注释直接修改。

4 补全

补全需要安装nbextensions以及nbextensions_configurator：

sudo pip3 install jupyter_contrib_nbextensions jupyter_nbextensions_configurator
# sudo pip install jupyter_contrib_nbextensions jupyter_nbextensions_configurator
jupyter contrib nbextension install --user
jupyter nbextensions_configurator enable --user

若依赖缺失请安装对应依赖，安装成功后打开Jupyter：

jupyter notebook

进入Nbextensions选项卡，去掉disable xxx的那个勾选，选择Hinterland即可：

5 美化

默认的UI真的不忍直视，在Github上有一个jupyter-themes的工具，可以对其进行美化。首先使用pip3/pip安装：

sudo pip3 install jupyterthemes

安装完成后，使用

jt -l

查看主题，携带的主题有7个：

• onedork
• grade3
• oceans16
• chesterish
• monokai
• solarizedl
• solarizedd

使用-t切换主题，比如：

jt -t chesterish

支持以下三种自定义字体：

• 代码字体：-f
• Notebook字体（界面字体）：-nf
• 普通文本/Markdown字体：-tf

其中代码字体（-f）支持如下：

Notebook字体（-nf）/普通文本字体（-tf）/Markdown字体（-tf）支持如下：

支持以下六种自定义字体大小：

• 代码字体大小：-fs，默认11
• Notebook字体大小：-nfs，默认13
• 普通文本/Markdown字体大小：-tfs，默认13
• Pandas Dataframs字体大小：-dfs，默认9
• 输出区域字体大小：-ofs，默认8.5
• Mathjax字体大小：-mathfs，百分比，默认100%

比如笔者喜欢Firacode字体，并且需要放大输出区域的字体，可以如下设置：

jt -t chesterish -f firacode -fs 14 -ofs 12

可以手动控制Cell的宽度以及代码的行距，-cellw控制宽度（默认980），-lineh控制行距（默认170）。

jt -cellw 1800 -lineh 200

• 工具栏显隐：-T
• 名称与Logo显隐：-N
• 内核Logo显隐：-kl

使用如下语句设置（需要在Jupyter内）：

from jupyterthemes import jtplot
jtplot.style()

其中style()的参数如下：

• theme：字符串类型，主题，可选值与jt -l显示一致
• context：字符串类型，取值paper，notebook，talk，poster
• grid：布尔类型，表示是否包含网格线
• gridlines：字符串类型，表示网格线的风格，比如--表示虚线
• ticks：布尔类型，表示x/y轴上的坐标标线的显隐
• spines：布尔类型，表示图像四周是否显示包围框
• fscale：float类型，表示缩放字体，图例等等
• figsize：元组类型，表示默认的Matplotlib图像的大小

笔者的参考配置：

jt -t chesterish -f firacode -fs 14 -ofs 12 -cellw 1500 -lineh 200 -T

6 常用库安装

使用pip+离线方式安装，首先需要知道系统架构，可以使用：

arch
uname -m

等方式查看，比如笔者的是x86_64，戳这里进入下载，常用库列表如下：

• Numpy
• Scipy
• Scikit-learn
• Scikit-image
• Spark MLLib（叫作PySpark）
• Theano
• TensorFlow
• PyTorch
• Pandas
• Matplotlib

下面以numpy进行演示安装，搜索后点击第一个：

根据Python版本，系统以及架构选择对应的包，下载：

使用pip3或pip安装即可：

其余库安装类似，若缺失依赖请先安装依赖。