Jupyter Notebook实战指南：从核心机制到高效使用技巧

我从2016年第一次接触Jupyter Notebook，中间有过好几次“这玩意儿到底有什么用”的念头，但真正在做数据处理和机器学习实验之后，反而越来越依赖它。先讲一个特别日常的痛点：你用普通.py脚本做数据清洗，前面二十行负责加载CSV，中间几行处理缺失值，最后两行画图。画图方案改来改去，每次改完都得从头到尾重新跑一遍，光等待数据重新读入就快半分钟。而且如果加载之后还连着网络请求、预处理步骤，整个调试周期会被拉得很长。Jupyter想解决的，正是这个问题：把“写一段代码—运行—看见结果—再改”的反馈周期压缩到最小。这篇内容我会从它的核心机制讲起，再聊安装、目录、执行状态、复制粘贴这些实际使用里最容易摔跤的地方，最后说说为什么我依然建议你用Jupyter。不管你是刚装完Miniconda还不知道怎么启动，还是已经被“一个cell只输出最后一行”搞到困惑，又或者是启动时报错打不开，都可以在下面找到对应的思路。

1. 为什么Jupyter不是“笔记本版编辑器”：它把脚本执行方式彻底改了

1.1 普通脚本和Notebook的差别，一句话就能说清楚

很多人把Jupyter Notebook当成一个带富文本的代码编辑器，这是最大的误解。普通的.py文件，你的代码是一个整体，要么一口气从头跑到尾，要么就干脆不跑。中间想停下来看看某个变量，只能靠打日志、设断点，或者手动在代码里插一句print再重跑。Notebook不是这个逻辑，它把一个完整的任务拆成了多个带顺序的代码块，也就是“单元格”。你可以只执行第二个单元格，跳过第三个，回头再执行第一个，每个单元格把自己这段代码提交给同一个Python内核去执行。

真正关键的地方在于：内核是一直活着的。第一个单元格把一个DataFrame加载进内存，第二个单元格可以接着用，不需要再重新读一遍文件。如果一个文件要重复加载十次，普通脚本就重复读十次；在Notebook里，只需要读一次。这也是为什么很多数据岗位的人一但用顺了这个模式，就再也回不去那种“改一行、全量重跑”的方式。再加上每个单元格既能显示普通文本输出，也能直接渲染表格、图表和富文本内容，它天然就适合做探索性分析。

1.2 状态保留带来的工作流变化

状态保留把开发方式从“编译型思路”变成了“交互式思路”。比如你想观察一个清洗函数对数据的中间影响，你只需要在前面单元格里把原始数据准备好，然后反复修改后面一个单元格，单独执行它，就能立刻看到效果。数据不动，代码动；反馈时间极短。这在分析一堆结构复杂、来源又多的数据时，收益尤其明显。你在做特征工程时，经常需要试很多种转换方式，对比不同参数下的分布结果，这种边改边看的能力比任何花哨的调试器都来得直接。

我在实际项目里最常见的模式是：第一个单元格负责加载文件和依赖包，第二个单元格做全局配置，第三个单元格写核心预处理函数，后面几十个单元格全是验证和可视化。这样即使后面某个实验方向完全走不通，我也只需要回到第三个到第五个单元格重新组合，前面加载好的数据仍然在内存里。这种“数据不重载，代码可重试”的模式，适合做研究、做探索、写教学文档，但不适合直接当生产脚本。生产脚本要求确定性，要求入口清晰，要求异常时能快速重跑，这些反而是Notebook的短板。

1.3 但正因为状态可以“偷偷残留”，纪律更重要

Notebook给自由度，但也带来了一个副作用：单元格执行顺序可以被你任意打乱，变量残留问题就出现了。假设你先执行了一个包含df = df.dropna()的单元格，后面所有依赖df的单元格看到的都是删过缺失值的数据。如果你新建一个空白Notebook，按顺序一个个跑，结果没问题；可如果你反复跳着执行，某些旧变量就会“偷偷”留在内存里，让结果看起来正确，实际上依赖的是上一个实验的中间状态。这可能是Notebook被不少人批评“不可复现”的主要原因。

我的习惯是：每隔一段时间就用一次“Restart & Run All”，而不是继续在当前会话里来回补跑。只靠手动点执行，代码的正确性其实是建立在“内存状态正好符合我预期”这个脆弱假设上的。重新启动内核再全部跑一遍，才算真正验证了整套流程是可重复的。准确说，Notebook不是不能产出可靠结果，而是要主动用流程纪律去约束自由度。

2. 从“一个cell只输出最后一行”讲起，Notebook的显示规则与常见误区

2.1 自动显示只是最后一行表达式的值

很多新手在Notebook里写下面这种代码，发现只看到一个结果，前面几个计算全“消失”了。

1 + 1 2 + 2 3 + 3

执行之后，页面上只出现6。这不叫文件出错，而是IPython内核的显示规则：一个单元格运行完后，如果最后一行是一个表达式，并且它返回的不是None，系统会把它的“代表形式”自动显示出来。前面的1 + 1和2 + 2虽然在内部都计算了，但因为没有语句要求打印，结果就静默消失了。这个规则和普通Python脚本里的“不调用print就不输出”是不太一样的，很容易让人误以为代码没执行。

当最后一行执行结果本身就是None时，也不会显示任何输出。例如这样：

df = load_data() df.columns.tolist() df.head()

如果df.head()是最后一行，那个表会显示；如果后面还有一句print("done")，df.head()的结果就会被吞掉。原因还是同一个：不是print的表达式，默认不会自动回显。遇到这种情况，不要怀疑是数据没了，而要想一想这个值是不是真的被“显示”了。

2.2 想让中间的结果都出来，有两个方向

想同时看到多个中间结果，最简单的办法是显式写print。print(1 + 1)、print(2 + 2)、print(3 + 3)，输出就会一行行出现。但print在打印DataFrame这类结构时，效果好，可排版上和Notebook本身的富文本呈现相比还是要弱一些。

我更推荐在需要展示复杂对象时使用IPython.display模块里的display函数。

from IPython.display import display a = 1 b = 2 print(a) display(b) display(a + b)

display会走Notebook的富文本展示通道。同样的对象，print展示的是字符串形式，而display更接近Jupyter内核对外表现出的“原生渲染”效果。在同一个单元格里要展示多个图表或者多个DataFrame时，display几乎是标准做法。它不会像print那样把结构压成纯文本，保留的格式更完整。

2.3 图形输出、Matplotlib与多个figure的处理

Matplotlib在Notebook里的行为也经常让人迷惑。你可能会在某次运行时看到图，但在加了另一行代码之后图就不见了。最常见的原因是单元格最后一行不是绘图对象，而是别的表达式。例如：

import matplotlib.pyplot as plt import numpy as np %matplotlib inline fig, ax = plt.subplots() ax.plot(np.random.randn(50))

如果最后一行是ax.plot(...)，图会显示，但上方可能还会跟着一行[<matplotlib.lines.Line2D at 0x...>]文本。想在既显示图又不出现多余对象文本，比较好的做法是代码块末尾调用一次plt.show()，或者明确放在最后一个表达式的位置。想在一个单元格里并排展示两张图，不要指望两个plot会自动分栏，可以用display(fig)分别控制。

from IPython.display import display fig1, ax1 = plt.subplots() fig2, ax2 = plt.subplots() ax1.plot(...) ax2.plot(...) display(fig1) display(fig2)

这个习惯很小，但能省下不少“明明画了图为什么没显示”的排查时间。

3. 环境准备思路：Miniconda、命令行启动，以及启动时“找不到指定程序”

3.1 先选Anaconda还是Miniconda

安装Jupyter之前，大部分人会先碰见一个选择：Anaconda还是Miniconda，或者直接用系统Python。Anaconda的好处是省心，装完就自带几百个常用科学计算库，Jupyter Notebook也默认配好了。坏处是体积大，装很多你用不上的包，而且包之间版本冲突时，重装代价更高。Miniconda只包含conda和Python核心，体积小，环境干净，要用什么再装什么，但初上手时你需要自己装Jupyter。

如果只是想在笔记本上快速体验数据处理，装Anaconda确实最省时间。如果你打算认真经营自己的分析环境，愿意花一次半小时的时间搞定基础配置，我会更倾向于Miniconda。数据分析和机器学习项目里，环境之间的隔离比“一步到位”重要得多。不同项目需要的numpy、pandas版本经常不一样，conda环境可以把它们隔开，避免一次升级把另一个项目搞崩。

3.2 miniconda装好后，怎么把notebook拉起来

Miniconda安装完成后，开始菜单里会有一个“Anaconda Prompt”或者“Miniforge Prompt”这类终端入口。打开后默认处于base环境，这时候输入jupyter notebook就能启动。出现一堆日志后，浏览器会自动打开http://localhost:8888/tree。如果页面没自动打开，就复制终端里类似http://127.0.0.1:8888/tree?token=...的地址到浏览器手动访问。

如果系统提示jupyter不是内部或外部命令，先确认是不是没有安装。可以执行：

conda install -c conda-forge notebook jupyterlab

安装完成后再输入jupyter notebook。不要直奔“下载独立Jupyter安装包”这种思路，Jupyter本身是一组Python包，用conda管理最顺。另一个常见原因是你开了两个终端，一个在conda环境里，另一个是系统默认cmd。conda环境里装了jupyter，但cmd启动的是另一个Python环境里的jupyter入口，于是经常出现“Anaconda里能打开、cmd里打不开”的奇怪局面。

3.3 “启动时显示找不到指定的程序”排查链

“启动时显示找不到指定的程序”这类报错，在Windows电脑上并不少见，尤其是在此前正常使用过Anaconda或Miniconda，后来又重装过其他Python环境的机器上。它不一定代表Jupyter文件损坏，也可能是运行库或者路径映射出了问题。

我遇到这类报错时一般按顺序排查，而不是一上来就卸载重装：

那种“Anaconda的jupyter打不开，突然用不了了”的情况，很多时候不是因为Jupyter本体坏了，而是某个底层依赖包版本被意外更新，或者安全软件把一些动态库隔离了。可以先在Anaconda Prompt里跑一句python -m notebook --version，如果这条命令能正常输出版本号，说明Python解释器还能找到notebook包，问题大概率出在.exe启动器本身；如果提示No module named notebook，那就说明环境里的notebook确实没装上或者已经损坏。比较稳妥的补救方式是重新安装核心包：

conda install notebook jupyterlab --force-reinstall

我还会做一次“冷启动验证”：关掉所有终端，重新打开Anaconda Prompt，先确认命令行提示符前面有环境名字，再启动Jupyter。很多诡异问题在干净重启之后自然就消失了。

4. 让Notebook落在你想要的文件夹：工作目录、默认存储路径与网页端登录

4.1 命令行指定启动目录：最直接的方法

Jupyter启动起来之后，你在网页上看到的文件夹列表，直接对应着启动时的工作目录。想进入一个特定项目文件夹，最直接的方法是先切到那个目录，再启动服务。Windows上可以是：

cd D:\data_project jupyter notebook

如果一开始就不想切目录，也可以直接通过参数指定：

jupyter notebook --notebook-dir=D:\data_project

新版JupyterLab也支持类似写法，只是参数略有变化：

jupyter lab --ServerApp.root_dir=D:\data_project

如果你发现浏览器打开之后看到的还是老目录，大概率是配置文件里已经有默认路径，而且配置文件的优先级淹没了你的临时参数。这时候可以先用一个临时端口启动，比如--port=8899，确认启动日志显示的root目录是不是你想要的，再决定是不是要清理配置文件。

4.2 生成配置文件并设置默认目录

要让Jupyter以后每次默认打开某个目录，可以先把配置文件生成出来。

jupyter notebook --generate-config

生成的配置文件一般位于用户目录下的.jupyter\jupyter_notebook_config.py。Windows上的路径类似C:\Users\你的用户名\.jupyter\jupyter_notebook_config.py。编辑时找到和目录相关的两个常见配置项：

c.ServerApp.root_dir = 'D:/data_project' c.NotebookApp.notebook_dir = 'D:/data_project'

不同版本里字段名有区别，新版JupyterLab推荐使用ServerApp.root_dir。我见过有人同时写两个字段，结果一个生效一个不生效，反而更容易迷惑。你要做的是先执行jupyter --paths，确认Jupyter实际加载的是哪个路径下的配置文件，然后只保留一份设置。另外路径里最好用正斜杠，Windows路径里的反斜杠在配置字符串里需要转义，容易写错。

4.3 “网页版登录入口”的token到底是什么

启动Jupyter时，终端里会出现一个带有token=的完整URL，例如http://127.0.0.1:8888/tree?token=123456...。这个token是临时身份凭证。你如果在浏览器里手动输入http://localhost:8888，页面会让你填写一个token或者密码，返回终端复制的完整带token地址是最快的登录方式。很多人把“网页版登录入口”理解成一套复杂系统，其实它只是Web服务自身的认证页面。

如果不想每次复制token，可以在配置文件里设置密码。先生成密码的哈希值：

jupyter notebook password

运行后会提示输入两次密码，之后Jupyter会把哈希写入相关配置。设置完成后，再启动服务，登录页面输入你设置的密码就可以了。需要注意，这个登录页本身不提供任何加密传输，如果在一台公网机器上以0.0.0.0方式绑定所有网卡，等于把数据分析端口暴露到网络上，风险很高。我一般只在可信内网里使用远程访问，生产环境如果必须开放，也会在前方加一层反向代理做访问控制，而不是直接裸跑Jupyter服务。

4.4 在别的文件夹里创建notebook的几种做法

“怎么在别的文件夹创建Jupyter文件”也是一个高频问题。实际上原理很简单：你先要到目标目录，然后在那里创建一个新的notebook。最简单的方式是先在本地打开那个目录，然后执行jupyter notebook。比如你的数据都放在D:\study\python，那就在Anaconda Prompt里先cd D:\study\python，再启动。打开Dashboard之后，点击右上角的“New”，选择Python 3，新文件就会创建在当前工作目录下。

如果你不想重启服务，也可以在JupyterLab的左侧文件浏览器里，直接点击导航栏进入任意子文件夹，然后新建文件。旧版Notebook的Dashboard同样可以通过文件夹导航进入，点进去之后右上角仍然有New按钮。要注意的是，如果当前文件夹没有写入权限，新文件按钮会变灰。还有一种方式是把一个已有的notebook通过“Upload”上传到当前服务目录，这适合数据源已经在远程服务器或者另一台设备上的情况。反复操作几次之后你自然会理解：Jupyter网页里看到的目录，就是启动它的那台机器上的某个真实磁盘路径。

5. 长时间运行的cell怎么看执行进度，而不是对着一堆“In [*]”干等

5.1 In[*]到底代表什么，以及真正可用的状态提示

Notebook里每个单元格左侧显示的In [1]代表这个单元已经按顺序提交给内核执行过。In [*]则代表它正在执行、还没返回。如果你看到In [*]一直不消失，那就是这段代码正在运行，或者已经卡住了。JupyterLab的界面会同时有另一个提示：点击上方菜单的“运行”或查看底部状态栏，能看到“Kernel Busy”和上次执行耗时。旧版Notebook则通过工具栏上的圆圈是否实心来判断内核状态。

但这些东西只能告诉你“正在跑”，不能告诉你“跑到百分之几”。想要精细进度，得在代码层面自己提供信号。最基本的做法是循环里每隔一段时间打印一个计数：

import time n = 100 for i in range(n): time.sleep(0.05) if i % 10 == 0: print(f"已完成 {i + 1}/{n}")

这种方式虽然土，但稳定、直观。只要输出流不是被缓冲得太厉害，你基本能判断当前走到哪里。

5.2 几个实用的进度输出方案

更体面的做法是使用tqdm。在notebook场景里，用tqdm.notebook，它会在单元格输出区渲染一个实时进度条，效果比终端里的文本进度条更清晰。

from tqdm.notebook import tqdm import time for i in tqdm(range(100)): time.sleep(0.05)

如果tqdm没有安装，先执行conda install -c conda-forge tqdm。它会显示当前迭代数、总迭代数和运行时间，基本就能回答“Jupyter怎么看执行进度”。对于单个单元格，还可以使用%%time和%time。%%time放在单元格最上面，会统计整个单元格的运行时间；%time则放在单行语句前面，统计这一行的执行时间。

%%time result = [x * 2 for x in range(1000000)]

如果一个大任务运行很久，进度条能让你知道它没死，但我更推荐的是提前把中间结果落盘。数据分析项目里经常出现“跑到80%才发现第20行有个字段名拼错了”的尴尬场景。前置几个关键结果到CSV或Pickle文件，比开着Notebook等一晚上更安全。

5.3 中断、重启与“关键结果先落盘”的保命习惯

长时间运行的时候，你肯定需要“中断”这个操作。工具栏上的停止按钮，对应Jupyter内核的“Interrupt”，它会向正在运行的代码发出中断信号，通常会在Python代码里触发KeyboardInterrupt，然后停止当前单元格。内核本身还活着，前面已经计算好的变量大部分还保留着。如果你遇到的是完全卡死，按停止也没反应，那就只能在“Kernel”菜单里选择“Restart”，它会重新启动内核，所有内存变量都会被清空。

这里有一个我踩过多次的坑：长时间训练模型或者大批量处理数据，最好不要把还没保存的结果只放在内存里。重启内核之后，前面单元格就算写得再完美，变量也不在了。我现在遇到长任务，第一步先把中间产物保存下来，例如用df.to_parquet('temp.parquet')或者pd.to_pickle。宁可多存几个临时文件，也不要赌“这次肯定不会崩”。

如果你想完整重跑一遍notebook，推荐“Restart & Run All”而不是手动一个个点击。这会清空所有残留变量，然后严格按照从上到下的顺序执行所有单元格。我每次在交付分析结论之前，都至少用它跑一遍，确保结果不是靠某个特定执行顺序凑出来的。

6. 浏览器里复制粘贴、键盘操作与其他容易翻车的日常细节

6.1 为什么有时候粘进去的代码会变形

复制粘贴在Jupyter里的体感，和普通文本编辑器不太一样。很多人第一次从网页或者其他文档里复制代码，粘进去之后发现#变成了标题格式，*好像也被吞了，字符串引号变成了奇奇怪怪的“智能引号”。出现这个问题的原因，大概率是你正在粘贴的是某个富文本来源，比如Word、公众号文章，或者带格式渲染的网页。JupyterLab默认会对剪贴板上带格式的内容做转换，于是纯文本代码被当成了一段富文本。

解决办法是把粘贴目标切换成纯文本。在JupyterLab里可以用编辑菜单里的“粘贴为纯文本”，或者直接使用浏览器的“无格式粘贴”快捷键，通常是Ctrl+Shift+V。还有一种办法是先把代码贴到系统自带的记事本里洗一遍，再复制出来粘进Notebook，虽然绕了一步，但能保证缩进和空白字符都不被额外处理。

如果是从Notebook内部复制单元格，记得先点击单元格左侧选中区域，然后在编辑模式下复制。在浏览器里直接选中代码字符进行复制，只会复制你选中的字符；但如果你需要复制一个完整的单元格，拖选不是最靠谱的方式。JupyterLab支持在命令模式下按C复制、V粘贴，但前提是你理解了它自带的剪贴板机制。更简单的方式是先用鼠标点选单元格左侧让它出现高亮边框，然后按C复制，再新建一个单元格按V粘贴。这段逻辑和普通文本编辑器不太一样，需要花几分钟适应。

6.2 快捷键养成，比敲“运行”两个字有用得多

Jupyter的快捷键虽然多，最核心的也就几个。编辑模式下按Shift+Enter执行当前单元格并跳转到下一个，按Ctrl+Enter执行但不跳转，按Alt+Enter执行并在下方插入一个新单元格。命令模式下按A在上方插入，B在下方插入，连续两次D删除当前单元格，Z撤销。记住这套组合之后，操作速度会明显快起来，因为你不再需要频繁移动鼠标去点击运行按钮。

如果你分不清自己处于编辑模式还是命令模式，窍门是看单元格边框颜色。命令模式下单元格边框是蓝色，编辑模式下是绿色，内部光标可见。很多复制粘贴问题，本质上就是当前处于命令模式，浏览器焦点被Jupyter接收，快捷键被它优先抢走了。遇到粘贴不生效，先按一下Enter进入编辑模式，再试一次。

6.3 跨文件复制、多选单元格和撤销删除

JupyterLab里可以一次选中多个单元格，方法是点击左侧行号区域并用Shift多选，然后统一执行、复制或者移动。这对从上到下处理一整套流程很有用。比如你想把前面几个数据清洗的单元格挪到另一个Notebook里复用，多选后复制，再到目标位置粘贴，能省掉很多重复劳动。

撤销删除也是一个容易忽略的小技巧。在命令模式下误按DD删掉了单元格，不要急着重新打开文件历史，按一下Z通常能恢复。对经常高强度编辑notebook的人来说，这个操作和“保存文件”一样重要。另外，JupyterLab本身不是强制的单标签页工作流，你可以打开多个Notebook，共享同一个内核。跨文件共享变量这种事虽然可以做，但我建议少用，因为文件之间的依赖一旦建立，单个文件的可读性和可复现性都会下降。

7. 说了这么多麻烦之后，为什么我还是建议你用Jupyter

7.1 适合它发挥的场景，恰好是大多数数据分析刚开始时的场景

如果你只是想写一个稳定运行的定时脚本，或者做一个对外发布的服务API，Jupyter肯定不是最优选择，甚至有点憋屈。但数据分析、机器学习实验、模型调参、写教学资料，这些场景里最重要的不是“代码能不能上线”，而是“我能不能快速看懂数据是什么样，特征怎么变，结果怎么来的”。Jupyter把代码、执行结果、图表、描述文字放在同一个文件里，观察者不需要像看代码仓库一样来回跳转，一眼就能看到当时的分析逻辑和最终输出，这对探索性工作来说是很大的优势。

我自己现在习惯是用Notebook做研究的“现场记录”。每次想验证一个假设，就把数据和代码放进一个轻微注释的单元格，运行完立刻看到结果；做完之后，再把涉及稳定的核心逻辑抽成.py模块，notebook本身变成可以回看的实验日志。后面写文档也好，跟同事解释结论也好，效果都很好。这种把代码和叙事结合的方式，恰恰是Jupyter最擅长的。

7.2 我的建议：先把notebook当“实验记录本”，再决定要不要改成产线脚本

如果你正打算开始用Jupyter，我的建议是不要把它当成一个必须马上把所有快捷键学完的工具。先把notebook当成一个带记忆的实验记录本：一个文件，多个单元格，按顺序执行，加必要的Markdown标题。等你在“交互式探索”里体会到了那种改一步看一步的感觉，再去整理自己的环境、目录和快捷键习惯。

我之前见过一个新手，因为“一个cell只输出最后一行”的问题差点卸载Jupyter，但后来发现只需要把想看的中间结果用display显示出来就好，这是显示规则的差异，不是软件坏了。很多类似困惑，本质上都来自“用传统脚本编辑器思维去套Notebook的执行模型”。反过来想，一个工具能让你用最短时间验证一个数据问题，还能顺手把图给画出来，这两点就足以构成“为什么建议你用Jupyter”的答案。后面真正需要细抠的，反而应该是如何管理好环境、目录和运行纪律，那才是长期使用里最值钱的经验。