【python虚拟环境管理【三】】基于conda（虚拟环境）使用Jupyter

一. jupyter概念与使用流程

1、 jupyter三个基本概念

a. jupyter notebook
jupyter notebook是一种 Web 应用，能让用户将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。它可以直接在代码旁写出叙述性文档，而不是另外编写单独的文档。也就是它可以能将代码、文档等这一切集中到一处，让用户一目了然。

我们可以通过Jupyter notebook写出了我们的学习笔记。但是jupyter远远不止支持上面的三种语言，目前能够使用的语言他基本上都能支持，包括C、C++、C#，java、Go等等。

 
2. JupyterLab

JupyterLab是Jupyter项目的最新版本，它在Jupyter Notebook的基础上进行了改进和扩展：

• 与Jupyter Notebook不同，JupyterLab采用了标签页式的界面布局，允许用户在一个窗口中同时打开多个笔记本、编辑器和终端等组件。
• JupyterLab支持更丰富的文件浏览器功能，用户可以直接在界面中浏览、创建和重命名文件。

 
3. Jupyter Kernel

Jupyter Kernel是一个计算引擎，它负责执行用户在Jupyter笔记本中输入的代码。

每个Kernel代表一种编程语言的运行环境。
例如，如果你在Jupyter笔记本中使用Python编写代码，那么你实际上是在Python Kernel下工作。
同样，对于R、Julia或其他语言，也有对应的Kernel。

 

2、使用jupyter的流程

• Jupyter Notebook = 浏览器界面，让你写代码和文档
• JupyterLab = 更强大的浏览器界面，支持多标签页
• Jupyter Kernel = 后台执行引擎，运行你的代码

简单来说，Jupyter是一个Web应用，通过浏览器界面（Notebook/Lab）让你写代码，后台的Kernel负责执行不同语言的代码。

 

使用流程：

1. 启动Jupyter服务器
2. 在浏览器中打开Notebook/Lab界面
3. 选择对应语言的Kernel（Python、R、Julia等）
4. 编写代码，Kernel执行并返回结果

 

二. 使用conda安装Jupyter

1. 安装jupyter note：代码书写与执行平台

a. 激活conda环境：为了单独管理依赖

conda create --name jupyter_env

conda activate jupyter_env

python --version

参考文章：【python虚拟环境管理【二】】【mac m3】使用conda管理python项目 。可手动或者基于Pycharm来快速激活虚拟环境。

 

b. 基于当前conda环境创建jupyter notebook

# 安装 note
conda install jupyter notebook

# 终端方式启动note
jupyter notebook --no-browser 


# 页面方式启动
jupyter notebook

# http://127.0.0.1:8888/tree?token=cc54b360beace434410e4b8d8c6cf951fef64edc22c2212e

# [I 2024-07-15 16:04:03.283 ServerApp] Skipped non-installed server(s): bash-language-server, dockerfile-language-server-nodejs, javascript-typescript-langserver, jedi-language-server, julia-language-server, pyright, python-language-server, python-lsp-server, r-languageserver, sql-language-server, texlab, typescript-language-server, unified-language-server, vscode-css-languageserver-bin, vscode-html-languageserver-bin, vscode-json-languageserver-bin, yaml-language-server



 

c、新版pycharm必须设置密码

jupyter notebook password

 

2. 创建jupyter kernel：执行jupyter note的引擎

a. kernel与当前项目conda环境绑定

绑定后kernel就能使用当前虚拟环境（conda）的依赖了

# BasicMachineLearning 是conda虚拟环境
python -m ipykernel install --user --name=BasicMachineLearning

或者

python3 -m ipykernel install --user --name=BasicMachineLearning


# Installed kernelspec BasicMachineLearning in 
# /Users/lianggao/Library/Jupyter/kernels/basicmachinelearning

 

b. 选择kernel

选择与当前环境绑定的kernel

 

PyCharm2025版的处理

 

或者

使用Pycharm发现本地已经启动的jupyter。注意：填写密码

 

3. 调试执行

看到之前没有加载的依赖加载进来了。

 

4. 其他操作

运维命令

https://docs.jupyter.org/en/latest/running.html

https://cloud.tencent.com/developer/article/1091924

 
 

参考：

https://blog.youkuaiyun.com/qq_27825451/article/details/84427269