Jupyter Notebook的配置基础

Tab 补全 和 * 任意字符

在 Python 的 IPython 或 Jupyter Notebook 环境中，使用 Tab 补全来快速找到内置函数的方法如下：

1. 开始输入：在代码单元格中开始输入一个函数的名称，可以是内置函数的名称的任何部分。

2. 使用 Tab 键：当你输入了足够的字符以区分不同的函数时，对象. 之后按下Tab键。IPython 会显示所有匹配的内置函数列表。

3. 部分匹配：如果你输入的字符不足以区分唯一的函数，Tab 补全会列出所有以这些字符开始的内置函数。例如，如果你输入 ma 并按下 Tab 键，IPython 可能会显示 map, max 等函数。

4. 自动补全：如果只有一个函数的名称与你的输入匹配，按下 Tab 键会自动补全该函数的名称。

5. 获取帮助：一旦函数名称被补全，你可以继续输入一个空格，然后是 ? 来获取该函数的帮助文档。例如，max? 将显示 max 函数的帮助信息。

6. 使用 import：如果你不确定函数是否已经在你的命名空间中，你可以先尝试输入 import 然后是函数名称的一部分，接着使用 Tab 补全来找到正确的模块和函数。

7. 探索模块：如果你知道函数属于哪个模块，但不确定模块中有哪些函数，你可以先输入模块的名称，然后使用 Tab 补全来列出模块中的所有函数和属性。
   

​​​​Jupyter Notebook 快捷键

1. 编辑模式与命令模式切换：

   • Enter 或 Ctrl + M：进入编辑模式，允许编辑单元格内容。
   • Esc：退出编辑模式，进入命令模式，允许执行单元格或进行单元格管理。

2. 单元格执行：

   • Ctrl + Enter：在编辑模式下，运行当前单元格。
   • Shift + Enter：在编辑或命令模式下，运行当前单元格，并选中下一个单元格。
   • Alt + Enter：在编辑模式下，运行当前单元格，并在其下方插入一个新单元格。

3. 单元格操作：

   • A（在命令模式下）：在当前单元格上方插入一个新单元格。
   • B（在命令模式下）：在当前单元格下方插入一个新单元格。
   • X（在命令模式下）：剪切当前单元格。
   • C（在命令模式下）：复制当前单元格。
   • V（在命令模式下）：粘贴单元格。
   • D + D（在命令模式下）：删除当前单元格。
   • Z（在命令模式下）：撤销最近一次的单元格操作（如删除）。

4. 单元格转换：

   • Y（在命令模式下）：将当前单元格转换为代码单元格。
   • M（在命令模式下）：将当前单元格转换为 Markdown 单元格。
   • R（在命令模式下）：将当前单元格转换为原始单元格。

5. 保存与重启：

   • Ctrl + S：保存当前笔记本。
   • Ctrl + Shift + I 或 I（在命令模式下）：中断当前运行的单元格。
   • 0（在命令模式下）：重启 Jupyter Notebook 内核。

6. 滚动：

   • Up/Down：向上或向下选择单元格
   • Shift + Up/Down（Shift + 鼠标点击）：从该单元格开始，向上或向下进行选中（多选单元格）
   • Ctrl + Shift + Up/Down:将该单元格与上面（或下面）单元格进行交换

正确的Anaconda环境

检查JupyterLab是否正在使用正确的Anaconda环境，可以按照以下步骤进行：

1. 启动JupyterLab：
   确保你已经通过Anaconda环境启动了JupyterLab。如果你已经通过Anaconda环境激活了JupyterLab，通常它会自动使用该环境中的Python解释器。

   conda activate myenv
   jupyter lab
   

2. 检查Python解释器路径：
   在JupyterLab的代码单元中，运行以下Python代码来打印出当前使用的Python解释器的路径：

   import sys
   print(sys.executable)
   

   这个路径应该指向你的Anaconda环境中的Python解释器。

3. 检查环境变量：
   如果需要，你可以检查环境变量来确认JupyterLab是否使用了正确的Anaconda环境。在代码单元中执行以下命令：

   import os
   print(os.environ)
   

   检查输出中是否有指向你的Anaconda环境的变量，如CONDA_PREFIX或CONDA_DEFAULT_ENV。

4. 使用conda list：
   你还可以在JupyterLab中运行conda list命令来列出当前环境中安装的所有包。这可以帮助你确认JupyterLab是否连接到了正确的Anaconda环境。

   !conda list
   

   使用感叹号!来执行系统命令。

包管理工具pip

来检查是否已经安装了x库，以及它当前的版本。以下是如何检查的步骤：

1. 打开Jupyter Notebook：
   启动Jupyter Notebook服务，并在浏览器中打开它。

2. 创建一个新的代码单元：
   在Jupyter Notebook中创建一个新的代码单元。

3. 使用pip检查安装：
   在代码单元中输入以下命令来检查scikit-learn是否已安装：

   !pip show scikit-learn
   

   使用感叹号!来执行系统命令。

   按下Ctrl + Enter（或点击工具栏上的运行按钮）来执行该代码单元。

   如果scikit-learn已经安装，你将看到它的版本信息和其他一些细节。如果没有安装，输出会告诉你scikit-learn没有被找到。

4. 使用import检查：
   另一种检查方法是尝试导入scikit-learn并打印版本信息：

   import sklearn
   print(sklearn.__version__)
   

   如果库已安装，这将打印出scikit-learn的版本号。如果没有安装，将得到一个ModuleNotFoundError。

5. 安装 scikit-learn 的步骤：

   使用 pip 安装: 如果你使用的是 pip 作为包管理器，可以使用以下命令来安装或更新 scikit-learn：

                       !pip install -U scikit-learn`
   

   这条命令在Jupyter Notebook中使用感叹号 ! 来执行系统命令。-U 参数表示升级到最新版本。

   使用 conda 安装: 如果你在使用Anaconda或Miniconda，并且更倾向于使用 conda 作为包管理器，可以使用以下命令：

                       !conda install -c conda-forge scikit-learn  
   

   -c conda-forge 指定了conda-forge通道，这是一个社区驱动的仓库，通常包含最新的软件包。

   安装完成后，使用代码来检查 `scikit-learn` 是否已安装以及其版本号：
   

   使用正确的命令 : 在Jupyter Notebook中，你需要在命令前加 python 或 ! 来执行 pip 或 conda 命令。
   如果你省略了 ! 前缀，Jupyter Notebook会尝试将这些命令作为Python代码执行，而不是系统命令，这将导致错误。：

6. 使用 scikit-learn:
   一旦 scikit-learn 安装完成，你就可以在Python代码中导入并使用它了：

   from sklearn.datasets import load_iris
   iris = load_iris()