Victor's blog

Jupyter Notebook & Jupyter Lab 全方位配置使用指南

Posted at 2025-02-04 操作 

一、环境准备与核心安装

1.1 Anaconda 集成环境（推荐首选）

1.1.1 Anaconda 安装全流程

• Windows：

  1. 访问 Anaconda 官网 下载 .exe 安装包
  2. 双击安装时务必勾选 “Add Anaconda3 to my PATH environment variable”（环境变量自动配置）
  3. 安装完成后验证：

     1 2	conda --version jupyter --version

     

• macOS/Linux：

  1 2 3 4 5 6

  # 下载安装脚本 wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh # 运行安装（全程回车+输入yes） bash Anaconda3-2023.03-Linux-x86_64.sh # 激活环境 source ~/.bashrc

1.1.2 Anaconda Navigator 图形化启动

• 打开应用列表中的 Anaconda Navigator
• 点击 Jupyter Notebook/Lab 的 “Launch” 按钮
  

1.2 独立安装 Jupyter（非Anaconda用户）

1
2
3
4
5
6
7

# 创建专用环境（避免污染base环境）
conda create -n jupyter_env python=3.9
conda activate jupyter_env
# 核心组件安装
conda install -c conda-forge jupyterlab notebook
# 验证安装
jupyter lab --version  # 应显示 3.x 以上版本

二、Jupyter 核心配置详解

2.1 配置文件深度定制

生成配置文件并修改：

1
2

jupyter notebook --generate-config
jupyter lab --generate-config

编辑 ~/.jupyter/jupyter_notebook_config.py：

1
2
3
4
5
6
7
8
9
10
11

# 安全增强配置
c.NotebookApp.password = 'sha1:your_hashed_password'  # 通过jupyter notebook password生成
c.NotebookApp.certfile = '/path/to/your/cert.pem'     # HTTPS加密
c.NotebookApp.keyfile = '/path/to/your/key.pem'

# 工作目录设置
c.NotebookApp.notebook_dir = '/projects'  # 默认工作路径

# 高级设置
c.ContentsManager.allow_hidden = True     # 显示隐藏文件
c.FileContentsManager.delete_to_trash = False  # 彻底删除文件

2.2 多环境内核管理

2.2.1 将Conda环境添加为Jupyter内核

1
2
3
4

conda create -n data_science python=3.8 pandas numpy  # 创建新环境
conda activate data_science
conda install ipykernel  # 必须安装的核心组件
python -m ipykernel install --user --name data_science --display-name "Python 3.8 (Data Science)"

2.2.2 内核管理命令大全

三、Jupyter 高级使用技巧

3.1 单元格多输出展示

方法一：交互式Shell模式

1
2
3
4
5
6
7

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"  # 自动显示所有表达式结果

x = 10
y = 20
x + y  # 自动显示
y / x  # 自动显示

方法二：显式Display调用

1
2
3
4
5

from IPython.display import display

display("第一次输出")
print("第二次输出")
display(plt.plot([1,2,3]))  # 显示图表

3.2 效率提升技巧

3.2.1 魔法命令大全

1
2
3
4
5
6
7
8
9

%load_ext autoreload    # 自动重载模块
%autoreload 2           # 每次执行都重载

%%time
# 计算代码块执行时间
import time
time.sleep(2)

%debug  # 进入调试器（在报错后立即使用）

3.2.2 文件操作快捷方式

1
2

!ls -l  # 直接执行Shell命令
files = !ls *.ipynb  # 捕获命令输出到变量

四、Jupyter Lab 深度扩展

4.1 必装扩展推荐

4.2 扩展管理全流程

1. 安装Node.js（扩展运行依赖）：

   1	conda install -c conda-forge nodejs

2. 通过界面管理：

   • 打开左侧扩展面板（拼图图标）
   • 搜索 → 安装 → 启用
     

3. 命令行维护：

   1 2 3

   jupyter labextension list # 查看已安装扩展 jupyter labextension update --all # 批量更新 jupyter lab clean # 清理无效扩展

五、实战问题解决方案

5.1 常见报错处理

问题：启动时提示 “Port 8888 is already in use”

1
2
3
4
5
6

# 查找占用进程
lsof -i :8888
# 终止进程
kill -9 PID
# 或指定新端口
jupyter lab --port 8889

问题：扩展安装后不显示

1
2
3
4

# 重建前端
jupyter lab build
# 检查兼容性
jupyter labextension check

5.2 性能优化方案

1
2
3
4
5
6
7
8
9

# 在Notebook开头添加：
import numpy as np
from numba import jit

@jit(nopython=True)
def fast_math(x):
    return x * np.sin(x) ** 2

%config Completer.use_jedi = False  # 禁用Jedi提升补全速度

六、学习资源推荐

6.1 官方文档

• JupyterLab 官方文档
• IPython 魔法命令大全

6.2 视频教程

• JupyterLab 完整工作流
• 数据科学实战案例

附录：快速参考表

通过本指南，您将能够：

• 🚀 快速搭建企业级Jupyter环境
• 🔄 灵活管理多版本Python环境
• 🛠️ 定制个性化开发界面
• 💡 掌握高效数据分析技巧
• ⚡ 解决90%以上常见问题

建议将本文档作为日常参考手册，遇到具体问题时使用Ctrl+F快速定位解决方案。下一步可尝试将配置导出为Docker镜像，实现环境的一键部署。