1 Jupyter简介
Jupyter Notebook是一个交互式笔记本，反对运行40多种编程语言，实质是一个Web应用程序，便于创立和共享文学化程序文档，反对实时代码，数学方程，可视化和Markdown。
2 装置
应用pip或pip3装置：
# sudo pip install jupytersudo pip3 install jupyter3 简略自定义设置
首先生成默认配置：
jupyter notebook --generate-config接着会提醒默认配置的地位，关上，找到c.NotebookApp.notebook.dir=''能够批改默认目录：
留神须要加上u前缀，示意Unicode字符串。
c.NotebookApp.browser能够批改默认浏览器，比方批改为Chrome：
须要加上%s参数，门路批改为对应门路。
其余配置请配合正文间接批改。
4 补全
补全须要装置nbextensions以及nbextensions_configurator：
sudo pip3 install jupyter_contrib_nbextensions jupyter_nbextensions_configurator# sudo pip install jupyter_contrib_nbextensions jupyter_nbextensions_configuratorjupyter contrib nbextension install --userjupyter nbextensions_configurator enable --user若依赖缺失请装置对应依赖，装置胜利后关上Jupyter：
jupyter notebook进入Nbextensions选项卡，去掉disable xxx的那个勾选，抉择Hinterland即可：
5 丑化
默认的UI真的不忍直视，在Github上有一个jupyter-themes的工具，能够对其进行丑化。首先应用pip3/pip装置：
sudo pip3 install jupyterthemes5.1 主题
装置实现后，应用
jt -l查看主题，携带的主题有7个：
- onedork
- grade3
- oceans16
- chesterish
- monokai
- solarizedl
- solarizedd
应用-t切换主题，比方：
jt -t chesterish5.2 字体
反对以下三种自定义字体：
- 代码字体：
-f - Notebook字体（界面字体）：
-nf - 一般文本/Markdown字体：
-tf
其中代码字体（-f）反对如下：
Notebook字体（-nf）/一般文本字体（-tf）/Markdown字体（-tf）反对如下：
反对以下六种自定义字体大小：
- 代码字体大小：
-fs，默认11 - Notebook字体大小：
-nfs，默认13 - 一般文本/Markdown字体大小：
-tfs，默认13 - Pandas Dataframs字体大小：
-dfs，默认9 - 输入区域字体大小：
-ofs，默认8.5 - Mathjax字体大小：
-mathfs，百分比，默认100%
比方笔者喜爱Firacode字体，并且须要放大输入区域的字体，能够如下设置：
jt -t chesterish -f firacode -fs 14 -ofs 125.3 Cell宽度与行距
能够手动管制Cell的宽度以及代码的行距，-cellw管制宽度（默认980），-lineh管制行距（默认170）。
jt -cellw 1800 -lineh 2005.4 UI元素显示
- 工具栏显隐：
-T - 名称与Logo显隐：
-N - 内核Logo显隐：
-kl
5.5 绘图格调
应用如下语句设置（须要在Jupyter内）：
from jupyterthemes import jtplotjtplot.style()其中style()的参数如下：
theme：字符串类型，主题，可选值与jt -l显示统一context：字符串类型，取值paper，notebook，talk，postergrid：布尔类型，示意是否蕴含网格线gridlines：字符串类型，示意网格线的格调，比方--示意虚线ticks：布尔类型，示意x/y轴上的坐标标线的显隐spines：布尔类型，示意图像周围是否显示突围框fscale：float类型，示意缩放字体，图例等等figsize：元组类型，示意默认的Matplotlib图像的大小
笔者的参考配置：
jt -t chesterish -f firacode -fs 14 -ofs 12 -cellw 1500 -lineh 200 -T6 罕用库装置
应用pip+离线形式装置，首先须要晓得零碎架构，能够应用：
archuname -m等形式查看，比方笔者的是x86_64，戳这里进入下载，罕用库列表如下：
- Numpy
- Scipy
- Scikit-learn
- Scikit-image
- Spark MLLib（叫作PySpark）
- Theano
- TensorFlow
- PyTorch
- Pandas
- Matplotlib
上面以numpy进行演示装置，搜寻后点击第一个：
依据Python版本，零碎以及架构抉择对应的包，下载：
应用pip3或pip装置即可：
其余库装置相似，若缺失依赖请先装置依赖。