你好，我是景霄，我在极客时间开设了《Python核心技术与实战》专栏，带大家从工程实战角度系统掌握Python的核心知识点，告别不会写代码、写不出项目的困境。

今天和大家聊聊现代Python最新的必学工具–Jupyter Notebook。毫不夸张地说，根据我对Facebook等硅谷一线大厂的了解，一个Python工程师如果现在还不会使用Jupyter Notebook的话，可能就真的太落伍了。

曾在2017年底，Stack Overflow 发布了在该站上各种语言的提问流量。其中，Python已经超过了JavaScript成为了流量最高的语言，预测在2020年前会远远甩开JavaScript。

可能你已经知道，Python在14年后的“崛起”，得益于机器学习和数学统计应用的兴起。那为什么Python如此适合数学统计和机器学习呢？作为“老司机”的我可以肯定地告诉你，Jupyter Notebook 功不可没。

磨刀不误砍柴工，高效的工具让我们的编程事半功倍。这一节课，我就来带你学习一下Jupyter Notebook，为后面的Python学习打下必备基础。

什么是Jupyter Notebook？

说了这么多，到底什么是Jupyter Notebook？按照Jupyter 创始人 Fernando Pérez的说法，他最初的梦想是做一个综合 Ju （Julia）、Py （Python）和 R 三种科学运算语言的计算工具平台，所以将其命名为Ju-Py-te-R。发展到现在，Jupyter 已经成为一个几乎支持所有语言，能够把软件代码、计算输出、解释文档、多媒体资源整合在一起的多功能科学运算平台。

英文里说一图胜千言（A picture is worth a thousand words）。看下面这个图片，你就明白什么是Jupyter Notebook了。

你在一个框框中直接输入代码，运行，它立马就在下面给你输出。怎么样，是不是很酷？你可能会纳闷儿，这样一个看起来“华而不实”的玩意儿，真的就成了Python社区的颠覆者吗？说实话放在几年前我也是不信的。

那 Jupyter 究竟解决了哪些别人没有解决的问题呐？

Jupyter的优点

1、整合所有的资源

在真正的软件开发中，上下文切换占用了大量的时间。什么意思呢？举个例子你就很好理解了，比如你需要切换窗口去看一些文档，再切换窗口去用另一个工具画图等等。这些都是影响生产效率的因素。

正如我前面提到的，Jupyter通过把所有和软件编写有关的资源全部放在一个地方，解决了这个问题。当你打开一个Jupyter Notebook时，就已经可以看到相应的文档、图表、视频和相应的代码。这样，你就不需要切换窗口去找资料，只要看一个文件，就可以获得项目的所有信息。

2、交互性编程体验

在机器学习和数学统计领域，Python编程的实验性特别强，经常出现的情况是，一小块代码需要重写100遍，比如为了尝试100种不同的方法，但别的代码都不想动。这一点和传统的Python开发有很大不同。如果是在传统的Python开发流程中，每一次实验都要把所有代码重新跑一遍，会花费开发者很多时间。特别是在像Facebook这样千万行级别的代码库里，即使整个公司的底层架构已经足够优化，真要重新跑一遍，也需要几分钟的时间。

而Jupyter Notebook 引进了Cell的概念，每次实验可以只跑一小个Cell里的代码；并且，所见即所得，在代码下面立刻就可以看到结果。这样强的互动性，让Python研究员可以专注于问题本身，不被繁杂的工具链所累，不用在命令行直接切换，所有科研工作都能在Jupyter上完成。

3、零成本重现结果

同样在机器学习和数学统计领域，Python的使用是非常短平快的。常见的场景是，我在论文里看到别人的方法效果很好，可是当我去重现时，却发现需要pip重新安装一堆依赖软件。这些准备工作可能会消耗你80%的时间，却并不是真正的生产力。

Jupyter Notebook如何解决这个问题呢？

其实最初的Jupyter Notebook也是挺麻烦的，需要你先在本机上安装IPython引擎及其各种依赖软件。不过现在的技术趋势，则是彻底云端化了，例如Jupyter官方的Binder平台和Google提供的 Go ogle Colab环境。它们让Jupyter Notebook变得和石墨文档、Google Doc在线文档一样，在浏览器点开链接就能运行。

所以，现在当你用Binder打开一份GitHub上的Jupyter Notebook时，你不需要安装任何软件，直接在浏览器打开一份代码，就能在云端运行。

Jupyter Notebook 初体验

学习技术的最好方法就是用技术。不过，在今天的篇幅里，我不可能带你完全学会Jupyter Notebook的所有技巧。我想先带你直接感受一下，使用Jupyter Notebook的工作体验。

比如这样一个GitHub文件。在Binder中，你只要输入其对应的GitHub Repository的名字或者URL，就能在云端打开整个Repository，选择你需要的notebook，你就能看到下图这个界面。

每一个Jupyter的运行单元都包含了In、Out的Cell。如图所示，你可以使用Run按钮，运行单独的一个Cell。当然，你也可以在此基础上加以修改，或者新建一个notebook，写成自己想要的程序。赶紧打开链接试一试吧！

另外，我还推荐下面这些Jupyter Notebook，作为你实践的第一站。

第一个是Jupyter官方；
第二个是Google Research提供的Colab环境，尤其适合机器学习的实践应用。

如果你想在本地或者远程的机器上安装Jupyter Notebook，可以参考下面的两个文档。
安装：https://jupyter.org/install.html
运行：https://jupyter.readthedocs.io/en/latest/running.html#running

总结

这节课，我在《Python核心技术与实战》为你介绍了Jupyter Notebook，并告诉你它为什么日趋成为Python社区的必学技术。这主要是因为它的三大特点：整合所有的资源、交互性编程体验和零成本重现结果。但还是那句话，学习技术必须动手实操。这节课后，希望你能自己动手试一试Jupyter Notebook，后面我们的一些课程代码，我也会用Jupyter Notebook的形式分享给你。

除了最新工具外，我在《Python核心技术与实战》里讲解了很多关键知识点，比如并发编程、垃圾回收机制等等。为了方便大家系统掌握Python，我亲自制作了一份「Python 知识图谱」，可以让你对 Python 核心知识有个清晰的认识。

专栏里每篇文章的留言，也是很精彩，形成了我很喜欢的“互动学习”氛围。比如，大家会针对文章中某个知识点，纷纷留言探讨，我也会及时给予反馈和解答。像这样既有老师带路、又能及时得到高手解答，还能有一群一起学习的小伙伴相伴，不可多得。

换句接地气的话说：“就是找到组织的感觉”。

大家可以看看这些问题，你是不是也有？

除此之外，每篇文章后，我都会留下一个思考题，帮助大家更好吸收知识。

举个例子，在「第4篇 | 字典、集合，你真的了解吗？」中，我讲解了 Python 最常见的 2 种数据结构，留下了这道思考题：

在留言区，你能看到大家各种各样的解题思路，其中有的你可能会意想不到，可以说，在留言区你也能学到很多。我也会留言回复，解答大家提出的问题，或者给予及时反馈。

我会带你从原理到核心技术，比如Python协议、高级语法、协程、并发编程、垃圾回收机制等等，再到如何用这些技能写出高质量的应用程序。最后，我还会手把手带你做一个量化交易系统，把进阶知识点全部串起来。跟着我学，100天进阶Python高手！

创作场景

Python 工程师如果还不会 Jupyter Notebook，可能就落伍了 | 极客时间