jupyter notebooke 基本操作

Jupyter notebook无限重连kernel,TypeError: __init__() got an unexpected keyword argument ‘io_loop‘ 场景: 有一段时间没用Jupyter Notebook了,最近再次使用后发现谜之error。 环境是Python==3.6.12 问题描述: cmd开启Jupyter后,浏览器打开某notebook,浏览器的控制台显示jupyter在无限循环地进行连接、断开、重连kernel,并且在cmd中开始报错如下: (base) C:\WINDOWS\system32>jupyter notebook [I 12:47:59.376 NotebookApp] Serving notebooks from 阅读详情

jupyter notebooke 基本操作

  • cell单元格的状态

    1. 编辑状态 鼠标点击cell内部,就转换成可编辑状态
      选中状态下 按下Enter, 也可以切换到编辑状态
    2. 选中状态 鼠标点击cell左侧,边框颜色变成蓝色,此时为选中状态
      编辑状态下 按下 ESC, 也可以切换到选中状态
  • 新增单元格

    • 选中状态下:
      • b 在选中单元格的正下方,新增一个单元格cell
      • a 在选中单元格的正上方,新增一个单元格cell
  • 删除单元格

    • 选中状态下:dd 删除当前选中的单元格
  • 剪切单元格

    • 选中状态下:x 剪切当前选中的单元格
  • 粘贴单元格

    • 选中状态下:v 粘贴单元格(默认是粘贴到下面)
  • 撤销单元格操作

    • 选中状态下:z 撤销上一步的单元格操作
  • 单元格状态切换

    • code 代码状态 python 代码 点击上方的复选框,选择code
      选中状态 按下y切换到代码状态
    • markdown 文本状态 点击上方的复选框,选择markdown
      选中状态 按下m切换到代码状态
  • 单元格的运行

    • 如果是代码状态:运行代码

    • 如果markdown状态:进入预览界面

      1. Ctrl + Enter 运行当前单元格,选中当前单元格
      2. Shift+Enter : 运行本单元,选中下个单元
      3. Alt+Enter : 运行本单元,在下面插入一单元

markdown的基本语法

markdown基本语法

  • 示例 :流程图
Created with Raphaël 2.2.0 开始 My Operation Yes or No? End yes no

常规操作

启动程序

  • 执行以下命令:

      jupyter notebook
    

    [NotebookApp] Serving notebooks from local directory: /home/nanfengpo

    [NotebookApp] 0 active kernels

    [NotebookApp] The IPython Notebook is running at: http://localhost:8888/

    [NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
    【注意】:

    • 打开地址为当前bash的目录,默认的根目录
    • 浏览器地址为http://localhost:8888/
    • 通过control -C终止jupyter程序

ipython的帮助文档

1. 使用help()

通过以下命令来获得帮助文档:

	help(len)

Help on built-in function len in module builtins:

len(obj, /) Return the number of items in a container.

2、使用?

或者使用问号:

	len?

还可以应用到自定义的变量和自定义的函数上来返回帮助文档

此外,使用两个??可以把函数的源代码显示出来

3. tab自动补全

敲击tab键能自动补全

numpy.

也可以在import的时候自动补全

import nu

IPython魔法命令

1.运行外部Python文件

使用下面命令运行外部python文件(默认是当前目录,最好加上绝对路径)

%run *.py

例如在当前目录下有一个myscript.py文件:

def square(x): “”“square a number”"" return x ** 2

for N in range(1, 4): print(N, “squared is”, square(N))

我们可以通过下面命令执行它:

%run myscript.py

【注意】:

  • 当使用%run指令运行一个py文件时,这个Python文件中所有的 资源都被加载进来
  • 所有的cell共享这些资源
  • 每个cell占用自己的进程,互不干扰
  • 当我们使用魔法命令执行了一个外部文件时,该文件的函数就能在当前会话中使用

2.运行计时

  • 衡量一个算法的运行时间
    用下面命令计算statement的运行时间:

      %time statement
    
def get_sum(num):
    result = 0
    for i in range(num):
        result += i
    return result

	#计算单个函数单次运行时间
	%time get_sum(10000000)		
	Wall time: 652 ms
	49999995000000
	#计算多个函数单次运行时间
	%%time
	get_sum(10000000)
	get_sum(1000000)
	get_sum(100000)
	
	#计算单个函数多次运行时间
	%timeit get_sum(10000000)
	#计算多个函数多次运行时间
	%%timeit
	get_sum(10000000)
	get_sum(1000000)
	get_sum(100000)
  • 使用场景
    如果时间短, 可以使用timeit
    如果时间长, 可以使用time
    偶然性思想
    时间短,偶然性强 需要timeit来消除偶然性
    时间长,偶然性差,可以使用time运行

3.查看当前会话中的所有变量与函数

  • 快速查看当前会话的所有变量与函数名称:

      %who
    
  • 查看当前会话的所有变量与函数名称的详细信息:

      %whos
    
  • 返回一个字符串列表,里面元素是当前会话的所有变量与函数名称:

      %who_ls
    
4. 执行Linux指令

Linux指令:

$ echo "hello world" # echo is like Python's print function hello world

$ pwd # pwd = print working directory /home/jake # this is the "path" that we're sitting in

$ ls # ls = list working directory contents notebooks projects

$ mkdir mm /home/jake/projects

在Linux指令之前加上 !,即可在ipython当中执行Linux指令。

注意会将标准输出以字符串形式返回
  • windows执行指令

      %pwd
    
5. 更多魔法命令

列出所有魔法命令

	lsmagic
	Available line magics:
%alias  %alias_magic  %autocall  %automagic  %autosave  %bookmark  %cd  %clear  %cls  %colors  %config  %connect_info  %copy  %ddir  %debug  %dhist  %dirs  %doctest_mode  %echo  %ed  %edit  %env  %gui  %hist  %history  %killbgscripts  %ldir  %less  %load  %load_ext  %loadpy  %logoff  %logon  %logstart  %logstate  %logstop  %ls  %lsmagic  %macro  %magic  %matplotlib  %mkdir  %more  %notebook  %page  %pastebin  %pdb  %pdef  %pdoc  %pfile  %pinfo  %pinfo2  %popd  %pprint  %precision  %profile  %prun  %psearch  %psource  %pushd  %pwd  %pycat  %pylab  %qtconsole  %quickref  %recall  %rehashx  %reload_ext  %ren  %rep  %rerun  %reset  %reset_selective  %rmdir  %run  %save  %sc  %set_env  %store  %sx  %system  %tb  %time  %timeit  %unalias  %unload_ext  %who  %who_ls  %whos  %xdel  %xmode

Available cell magics:
%%!  %%HTML  %%SVG  %%bash  %%capture  %%cmd  %%debug  %%file  %%html  %%javascript  %%js  %%latex  %%markdown  %%perl  %%prun  %%pypy  %%python  %%python2  %%python3  %%ruby  %%script  %%sh  %%svg  %%sx  %%system  %%time  %%timeit  %%writefile

Automagic is ON, % prefix IS NOT needed for line magics.
查看魔法命令的文档: 使用?

四、IPython输入输出历史

  • 1.可使用In/Out调用输入输出历史
    In返回一个字符串列表,里面是所有输入命令的字符串

    Out返回一个含有输出的命令的序号及其输出组成的字典

    两者皆可以通过索引获取元素

  • 2.使用下划线表示输出
    "_"表示上一个输出

    "_2"表示Out[2]

  • 作用:

    • 输入输出历史
    • 参考代码的运行次序
    • 后运行的代码 优先级高于 先运行的代码
DeepSeek接入Jupyter Notebook:构建交互式AI开发工作流 在交互式开发场景中,频繁在编辑器和模型问答之间切换会打断心流,而将大模型直接嵌入Notebook单元格,能显著提升数据分析、算法实验和脚本编写效率。Jupyter Notebook以单元格为单元天然支持“问题—代码—输出—结果”的可追溯链路,配合兼容OpenAI接口的DeepSeek,既能调用API完成代码生成、报错解释与数据洞察,也可通过Ollama实现本地离线部署。这一组合不仅压缩了上下文切换成本,还能将每次AI交互沉淀为可复现的工程文档。本文从环境配置、四种调用姿势、完整案例到高频踩坑点,系统说明如何 阅读详情

相关推荐

STM32 移植LwIP 实现网线插拔自动恢复

STM32 移植LwIP 之后,能正常联网通讯,但是发现2个问题, 1、上电初始化前,未插入网线,之后就无法获取到IP地址(DHCP) 2、正常通讯过程中,拔掉网线,然后插回去,不知道如何复位 先看一下LWIP初始化代码 /** * LwIP initialization function */ int MX_LWIP_Init() { /* Initilialize the LwIP stack with RTOS */ tcpip_init( NULL, NULL );

tiantangmoke的博客 8074

jupyter notebook快捷键

Jupyter Notebook一些常用快捷键 1.选中整个Code cell,按 M 键,转换为Markdown cell 选中整个Markdown cell,按 Y 键,转换为Code cell 2.ctrl +enter 运行Code cell shift+enter 运行Code cell并创造一个新的Code cell 3.Markdown cell中 enter或双击,可以从只读模式转换为编辑模式 ctrl+enter 可以从编辑模式转换为只读模式 4.Code cell 中 ctrl+z,撤回

luckyjww的博客 3983

告别混乱!AutoSar BswM模式管理实战:手把手教你配置Rule与ActionList(附避坑指南)

本文详细解析了AutoSar BswM模式管理的实战配置,重点介绍了Rule与ActionList的高效组合方法,帮助开发者避免常见陷阱。通过具体案例演示了从基础到复杂的配置步骤,包括模式仲裁、逻辑表达式构建及ActionList优化策略,提升汽车电子系统的协调性与可靠性。

weixin_27066963的博客 259

Jupyter Notebook详细教程(上)

Jupyter Notebook 是一个非常强大的工具,常用于交互式地开发和展示数据科学项目。它将代码和它的输出集成到一个文档中,并且结合了可视的叙述性文本、数学方程和其他丰富的媒体。它直观的工作流促进了迭代和快速的开发,使得 notebook 在当代数据科学、分析和越来越多的科学研究中越来越受欢迎。最重要的是,作为开源项目的一部分,它们是完全免费的。 Jupyter 项目是早期 IPython Notebook 的继承者,它在 2010 年首次作为原型发布。尽管在 Jupyter Notebook 中.

6401

基于Stigmergy的团队LLM wiki协作机制与FastAPI工程实践

大语言模型驱动的知识管理正在改变个人笔记与团队文档的维护方式,但当多人共同维护一个维基时,如何避免版本覆盖、上下文丢失和幻觉污染成为核心挑战。Stigmergy这一源自生物学的协作机制提供了新思路:通过共享环境中的痕迹(如评论、标记、修订历史)实现异步协作,无需实时沟通或中心协调者。本文将原理落地为可工程化的系统,设计Page、Revision、Trace三大实体,并结合向量索引与LLM审查流程,最终用FastAPI与SQLite搭建一个最小可运行原型。从白蚁筑巢到团队知识库,Stigmergy让每个参与者

weixin_34174322的博客 364

基于DynamicHead的YOLOv8四头版本改进:面向复杂场景的多目标检测优化【YOLOv8】

YOLOv8的检测头是通过不同尺度的特征层输出检测结果。这些检测头通常包括三个:用于大物体、中等物体和小物体的检测。然而,这种单一结构可能会在复杂场景下失去针对性和灵活性,特别是当多个目标之间差异较大时。为了进一步提升模型在特定目标上的检测性能,DynamicHead的引入为我们提供了一个多检测头的优化方案。本文提出了一种基于DynamicHead的四头版本YOLOv8改进方案,以解决复杂场景下多目标检测的挑战。通过引入四个独立检测头,分别针对不同目标特征进行优化,实现了更灵活的检测结构。

博客 1718

用pycharm打开ipnyb文件显示只读模式,如何解决只读模式变为读写模式?

用pycharm打开ipnyb文件显示只读模式,如何解决只读模式变为读写模式?

weixin_45471729的博客 8460

YOLOv11改进 | 细节涨点篇 | DySample一种最新的轻量化动态上采样算子(效果完爆CARAFE)

本文给大家带来的最新改进机制是一种号称超轻量级且有效的动态上采样器——DySample。与传统的基于内核的动态上采样器相比,DySample采用了一种基于点采样的方法,相比于以前的基于内核的动态上采样器,DySample具有更少的参数、浮点运算次数、GPU内存和延迟。此外,DySample在包括语义分割、目标检测、实例分割、全景分割和单目深度估计在内的五个预测任务中,性能均优于其他上采样器(截至目前最有效的上采样算子),

Snu77的博客 4211

成功解决jupyter notebook和docker中jupyterhub 报错500 : Internal Server Error、Notebook is read-only、不可信的问题

成功解决jupyter notebook和docker中jupyterhub 报错500 : Internal Server Error、Notebook is read-only、不可信的问题

weixin_56242678的博客 3623

QT上位机开发(掌握一点c++基础)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】 c++是c语言的补充和扩展,本身的语法构成也是在一直迭代中。相信很多同学上大学读书的时候,或多或少对c语言有所了解,对它的变量、指针、函数也应该不陌生。既然大家都有c语言基础的话,那么在这方面稍微拓展一下的话,就可以学会c++了。当然c++本身的内容很多,很多方面还很琐碎,但我们学习的时候还是应该把精力放在那些经常使用到的语法上面。

嵌入式-老费,一个分享专业嵌入式知识的blog 1131

一文掌握 MongoDB 详细安装与配置(Windows / Linux / macOS 全平台)

本文详细介绍了MongoDB社区版7.0+在Windows、Linux和macOS三大操作系统上的完整安装、配置与安全加固流程。主要内容包括:各平台推荐安装方式(Windows使用MSI安装包、Linux通过官方仓库、macOS通过Homebrew)、基本配置参数说明、服务启动方法以及关键安全措施(如创建管理员用户和启用身份验证)。文章还提供了系统最低要求、下载地址、数据目录设置建议以及生产环境使用注意事项,适合开发、测试及生产环境部署参考。

数据知道的博客 6711

jupyter notebooke的启动或运行(开始)命令提示

jupyter notebooke的启动或运行(开始)命令提示

dongdj18的博客 906

OBYC自动科目确定整理

WGI是用来重估发货的,通过比较发货时的价格和最新计算的价格,以此将所有差异过账到分配给此事务码的总账科目。是工厂还是公司,一般项目中都是使用工厂,使用工厂的意思就是物料在每个工厂下有一个价格,如果使用公司,则一个公司下的所有工厂都使用一个价格。如果该物料用的是移动平均价,那么该库存依然还存在的情况下,这个价格差异会过账到存货科目上而不会过账到存货的价格差异科目上。用于确定存货评估过账的存货冲抵科目。事务码WGR是用来重估工厂收货的,根据 计算出来的价格差异,把库存的调整过账分配给这个事务码中的总账科目。

nopicture的博客 348

Jupyter notebook的安装过程

你得用Anaconda Prompt来执行jupyter notebook --generate-config命令,然后会返回一个文件目录给你,这个地址就是你现在jupyter notebook的默认文件位置,再之后,你要打开这个地址,找到相对应的文件,用记事本什么的进行编辑。安装时一定要勾选All Users(requires admin privileges)的选项,安装完成之后我们就打开找到jupter notebook点击lanch,这个时候我们就能获取jupyter notebook了。

wjx2797081194的博客 929

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

服务器配置远程连接jupyter-notebook踩坑指南

为什么要远程连接服务器jupyter-notebook: 1.有些很大的数据集,动则10G,20G,自己的笔记本内存吃不消 2.服务器上的CPU、GPU计算能力往往比自己电脑要好不少 配置流程: 注:因为服务器是很多人共用,而且比如服务器固态硬盘home文件夹空间小,机械硬盘data盘空间大。如果把虚拟conda环境配置在home下,一旦home盘满了,我的虚拟conda就启动不了了,所以这次配置我是先把虚拟conda环境布置在data盘,然后再配置jupyter-notebook 一、创建.

springtostring的博客 993

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

把jupyter-notebook装进docker里

jupyter-notebook是我很喜欢的工具,搭环境稍显麻烦,其实jupyter web形式的使用方式,最好的部署方式是在云上,一次部署到哪里都可以使用,岂不快哉。现在各家云服务器还挺贵的,docker出来后,我就琢磨把jupyter-notebook放到容器中。 Docker及系统 ...

JungleKing的专栏 505

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Jupyter notebook快速入门教程_jperner netbook(2)

🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化学习资料的朋友,可以戳这里获取。

2401_84572752的博客 423

Jupyter noteboo更改工作目录出现的问题

原来是快捷方式的属性里末尾的代码 “%USERPROFILE%/” 作用是强制打开 Windows 用户文件夹作为本地工作文件夹,直接删除"%USERPROFILE%/" 该部分代码后配置文件设定的本地工作文件夹生效。

weixin_45858182的博客 200

为机器学习设置 Python:scikit-learn 和 Jupyter Notebook

scikit-learn 简介:优势、劣势、安装和资源 本视频主要介绍了机器学习库 scikit-learn 的相关知识,涵盖以下内容: scikit-learn 的优势: 统一的接口: scikit-learn 提供一致的接口,方便学习和使用各种机器学习模型。 可调参数: 每个模型都提供多种参数选项,便于调整以获得最佳性能,同时也有合理的默认值,方便快速上手。 优秀文档: 拥有详细的文档...

dataschool的博客 222

jupyter notebook 报错:TypeError: __init__() got an unexpected keyword argument ‘categorical_features‘

踩坑

阿正的梦工坊 3596

巧用 Matplotlib 动画,让你的 Python 可视化大放异彩

作者:Tony Yiu翻译:Hanz整理:Lemonbit译文出品:Python数据之道—1—前言如果你对本文的代码感兴趣,可以去 Github (文末提供)里查看...

Python之禅的专栏 196

国家超算中心K8s 容器服务,新版容器和老版本的一些坑

超算中心的K8s容器服务是基于Kubernetes构建的容器化计算集群,将超算级硬件资源(如多核CPU、大内存、国产DCU加速卡)打包为独立容器。主要用途包括运行AI训练、数值计算等算力任务,统一调度硬件资源,提供隔离且可复用的环境,支持交互式开发和后台批量任务。相比传统Slurm超算,K8s容器更轻量化,适合单节点加速卡场景,特别适合AI模型开发和实验。当前环境配备DCU加速卡和大内存,专为深度学习任务设计,提供持久化存储和开箱即用的计算沙箱。

AI 前沿技术实战博客:LLM / Agent / AI 制药 / 生信四大栏目日更,硬核干货 + 可复现代码,看完就能上手 690

Jupyter Notebook的使用02—两种模式的快捷操作

编辑模式:ctrl+shift+ - 光标放在要分割的位置再按这三个键进行代码块的分割; 命令模式:shift选中要合并的连续的代码块,按shift+m进行代码块的合并

小伟的博客 1716

anaconda pytorch jupyter安装出的所有问题

anaconda jupyter pytorch 安装 各种报错解决方法

m0_62055572的博客 1889

在本地远程登录jupyter notebook,read only无法保存

关于jupyter notebook远程登录read only,无法保存问题 笔者在本地远程登录服务器的jupyter notebook时,打开后可以进行代码的编写,也可以进行运行,但是无法保存修改的代码,造成很大的不方便。 尝试解决方法: 因为笔者一开始是以非root权限配置的jupyter notebook,所以以为是这个问题,然后又以root身份配置jupyter,发现问题还是不能解决。 最...

jianchi1117的博客 1万+
上一篇: python中类的演变
下一篇: numpy简单使用
Are you ready
博客等级 码龄8年 312粉丝 33原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值