jupyter notebook

jupyter notebook 可运行的编程语言#

Jupyter Notebook 的前身是 IPython Notebook。后来，它扩展为支持多种编程语言，包括但不限于：

Python
R
Julia
Scala
Ruby
JavaScript
Bash
C++
Go
Kotlin

这种多语言支持使得 Jupyter Notebook 成为数据科学、机器学习和教育领域的强大工具。

安装 jupyter notebook#

推荐使用 pip 安装。
在终端执行：

pip install jupyter metakernel

安装完毕后，测试是否正常运行。
在终端输入：

jupyter-notebook

安装 root 之后，在个人 home 目录.bashrc 文件中添加

source (pathof)thisroot.sh

进入自己的项目目录，在终端执行

root --notebook

添加 Kernel 的步骤#

在 Jupyter Notebook 中添加新的 Kernel，可以按照以下步骤操作：

资料

安装所需的编程语言环境
确保已安装目标编程语言的运行时环境。例如，安装 Python、R 或 Julia 等。

安装 Jupyter Kernel
根据目标语言安装相应的 Jupyter Kernel。例如：

对于 Python，可以使用 ipykernel：
```
pip install ipykernel
```

对于 R，可以使用 IRkernel：

install.packages("IRkernel")
IRkernel::installspec()

对于 Julia，可以使用 IJulia：
```
using Pkg
Pkg.add("IJulia")
```

对于 C#，可以使用 dotnet-interactive：

dotnet tool install -g Microsoft.dotnet-interactive
dotnet interactive jupyter install

或者clingkernel:

pip install clingkernel
clingkernel install --sys-prefix

注册 Kernel
安装完成后，Kernel 会自动注册到 Jupyter Notebook。如果未自动注册，可以手动执行相关命令。例如：
```
python -m ipykernel install --user --name=my_kernel_name
```
启动 Jupyter Notebook
启动 Jupyter Notebook 并在新建文件时选择刚刚添加的 Kernel。

通过以上步骤，您可以在 Jupyter Notebook 中添加并使用新的 Kernel，从而支持更多的编程语言。

在 Jupyter Notebook 中运行 Bash 脚本#

在 Jupyter Notebook 中，可以通过以下几种方式运行 Bash 脚本：

使用 ! 命令
在代码单元中直接使用 ! 来运行 Bash 命令或脚本。例如：
```
!sh script.sh
```
使用 subprocess 模块
在 Python 代码中使用 subprocess 模块运行 Bash 脚本。例如：
```
import subprocess
subprocess.run(['sh', 'script.sh'])
```
使用 %%bash 魔法命令
在代码单元中使用 %%bash 魔法命令运行 Bash 脚本。例如：
```
%%bash
# Bash 脚本内容
sh script.sh
```

通过以上方法，可以在 Jupyter Notebook 中方便地运行 Bash 脚本，从而实现与系统命令的交互。

jupyter使用root#

jupyroot
1. Install ROOT6 (> 6.05)
2. Install dependencies: pip install jupyter metakernel

开始使用 ROOTbooks#

设置 ROOT 环境（. $ROOTSYS/bin/thisroot.[c]sh），然后在终端中输入：

root --notebook

这将在您的计算机上启动一个带有 ROOT 功能的 notebook 服务器。

或者，如果您希望直接使用 Jupyter 命令，可以执行以下操作：

jupyter kernelspec install $ROOTSYS/etc/root/notebook/kernels/root --user

服务器启动后，您可以使用 ROOT 提供的两种 Kernel：

ROOT C++：由 ROOT 提供的新 Kernel
Python：Jupyter 已经提供的 Kernel

C++ ROOTbook#

ROOT 提供了一个 C++ Kernel，将 notebook 转变为一个 ROOT 提示符。该 Kernel 提供了嵌入式图形、语法高亮和自动补全等功能。

以下是如何在 C++ ROOTbook 中绘制直方图的示例：

TCanvas c;
TH1F h("h","ROOT Histo;X;Y",64,-4,4);
h.FillRandom("gaus");
h.Draw();
c.Draw();

Python ROOTbook#

如果您更喜欢使用 Python，可以创建一个新的 Python Kernel 并导入 ROOT 库：

import ROOT

然后您可以编写如下代码：

c = ROOT.TCanvas("c")
h = ROOT.TH1F("h","ROOT Histo;X;Y",64,-4,4)

此外，您还可以通过使用 %%cpp 魔法命令在同一个 notebook 中混合使用 Python 和 C++：

%%cpp
h->FillRandom("gaus");
h->Draw();
c->Draw();

假如要在Jupyter里调用其他地方的函数，得:

%%cpp
#pragma cling add_include_path("include")

#include "/data4/tbt23/smsimulator5.5/anal_D_tbt/original_data_tbt/include/get_ratio.h"
#include "/data4/tbt23/smsimulator5.5/anal_D_tbt/original_data_tbt/src/get_ratio.cpp"

目前我搞不清楚相对路径是相对的什么东西。特别是get_ratio.cpp里面应该怎么写.h文件的路径。但写绝对路径肯定没错...

jupyter 魔法命令#

Jupyter Notebook 提供了许多魔法命令（Magic Commands），可以帮助用户更高效地完成任务。这些命令分为两类：行魔法命令（以 % 开头）和单元魔法命令（以 %% 开头）。

常用行魔法命令#

# 列出所有可用的魔法命令
%lsmagic

%time
用于测量单行代码的执行时间。例如：
```
%time sum(range(1000000))
```
%timeit
用于多次运行代码并测量平均执行时间。例如：
```
%timeit sum(range(1000000))
```
%who 和 %whos
显示当前命名空间中的变量。例如：
```
%who
%whos
```
%run
运行外部 Python 脚本。例如：
```
%run script.py
```
%matplotlib
设置 matplotlib 的绘图模式。例如：
```
%matplotlib inline
```

常用单元魔法命令#

%%time
测量整个单元代码的执行时间。例如：

%%time
total = 0
for i in range(1000000):
     total += i

%%writefile
将单元内容写入文件。例如：
```
%%writefile script.py
print("Hello, World!")
```
%%bash
在单元中运行 Bash 脚本。例如：
```
%%bash
echo "Hello from Bash"
```

%%capture
捕获单元输出并存储到变量中。例如：

%%capture captured_output
print("This will be captured")

通过使用这些魔法命令，您可以更高效地完成数据分析、脚本运行和调试等任务。

jupyter 快捷键#

Jupyter Notebook 提供了许多快捷键，可以帮助用户更高效地操作和编辑 notebook。以下是一些常用的快捷键：

命令模式（按 `Esc` 进入）#

Enter：进入编辑模式
Shift + Enter：运行当前单元并跳转到下一个单元
Ctrl + Enter：运行当前单元
Alt + Enter：运行当前单元并在其下方插入一个新单元
A：在当前单元上方插入一个新单元
B：在当前单元下方插入一个新单元
D + D：删除当前单元
Z：撤销删除单元
Y：将当前单元设置为代码单元
M：将当前单元设置为 Markdown 单元
H：显示快捷键帮助
Shift + M：合并选中的单元

编辑模式（按 `Enter` 进入）#

Ctrl + A：全选
Ctrl + Z：撤销
Ctrl + Shift + Z：重做
Ctrl + Home：跳转到单元开头
Ctrl + End：跳转到单元末尾
Tab：代码补全或缩进
Shift + Tab：显示工具提示
Ctrl + /：注释或取消注释选中的代码

通用快捷键#

Ctrl + S：保存 notebook
Ctrl + Shift + P：打开命令面板
Shift + L：切换行号显示
O：切换单元输出的显示/隐藏
Shift + O：切换单元输出的滚动模式

ipyplot#

video_paths = ["my_video.mp4"]
video_labels = ["My Video"]
ipyplot.plot_videos(video_paths, video_labels, width=320)

import matplotlib.pyplot as plt
import numpy as np
import ipyplot
import tempfile
import os

# 1. 使用 matplotlib 绘制图形
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.title("Matplotlib 图形")

# 2. 创建一个临时文件来保存 matplotlib 图形
with tempfile.NamedTemporaryFile(suffix=".png", delete=False) as tmp_file:
    temp_filename = tmp_file.name
    plt.savefig(temp_filename)

# 3. 使用 ipyplot 显示临时图像文件
ipyplot.plot_images([temp_filename], ["Matplotlib Plot"], img_width=400)

# 4. 清理临时文件
os.remove(temp_filename)

最后更新: 2025-05-07
创建日期: 2025-04-30

jupyter notebook