深度学习相关 Python 实操笔记

1. 简单介绍

Python

• 简洁易读，生态丰富
• 常用库：NumPy / Pandas / Matplotlib / PyTorch / TensorFlow
• 示例：print("Hello Deep Learning")

Jupyter Notebook

• 网页端交互式开发环境
• 支持代码 + Markdown + 可视化
• 示例：运行单元格 Shift + Enter

Jupyer Lab

• 高级版 Jupyter Notebook
• 多标签页、分屏
• 可以同时打开 Notebook、终端、文本文件、CSV、图像等
• 更像 IDE（集成开发环境）
• 支持插件扩展

NumPy

• 科学计算核心库
• 对象：ndarray 多维数组
• 功能：线性代数、随机数、矩阵运算
• 示例：import numpy as np; a = np.array([1,2,3])

Pandas

• 数据分析工具，基于 NumPy
• 结构：Series(1D)，DataFrame(2D)
• 功能：清洗、筛选、分组、透视、读写 CSV/Excel
• 示例：import pandas as pd; df = pd.read_csv("data.csv"); df.head()

Matplotlib

• 基础绘图库
• 图表：折线、柱状、散点、直方图等
• 高度可定制，科研常用
• 示例：import matplotlib.pyplot as plt; plt.plot([1,2,3],[4,5,6]); plt.show()

Seaborn

• 高级统计可视化库（基于 Matplotlib）
• 特点：更美观，代码更简洁
• 图表：热力图、分布图、箱线图、回归图
• 示例：import seaborn as sns; sns.set(); sns.histplot([1,2,2,3,3,3,4])

2. 前置技术依赖

• Anaconda

3. 环境配置

3.1 Jupter notebook/Jupyter lab

安装 Anaconda 后，一般会默认安装 Jupyter notebook 和 Jupyter lab ，若没有安装，使用以下命令安装：

1
2

conda install jupyter notebook          # Jupyter notebook
conda install -c conda-forge jupyterlab # Jupyter lab

之后使用 jupyter notebook --version 和 jupyter lab --version 测试安装成功。

3.2 numpy pandas matplotlib seaborn 安装

1

conda install numpy pandas matplotlib seaborn

4. 基础用法

3.1 Jupter notebook/Jupyter lab

1. 启动

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

# jupyter notebook

## 启动并打开浏览器
jupyter notebook
## 启动不打开浏览器
jupyter notebook --no-browser
## 自定义端口打开
jupyter notebook --port <port_number>

# jupyter lab

## 启动并打开浏览器
jupyter lab
## 启动不打开浏览器
jupyter lab --no-browser
## 自定义端口打开
jupyter lab --port <port_number>

2. 配置 config

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22

# jupyter notebook

## 生成配置文件 jupyter_notebook_config.py
jupyter notebook --generate-config

### 一般默认生成在 C:\Users\[username]\.jupyter\ 下

## 修改默认工作目录
### 取消注释 jupyter_notebook_config.py 中的配置，并填写工作目录
c.ServerApp.root_dir = 'D:\\bin\\jupyter'


# jupyter lab

## 生成配置文件 jupyter_lab_config.py
jupyter lab --generate-config

### 一般默认生成在 C:\Users\[username]\.jupyter\ 下

## 修改默认工作目录
### 取消注释 jupyter_lab_config.py 中的配置，并填写工作目录
c.ServerApp.root_dir = 'D:\\bin\\jupyter'

3. 虚拟环境兼容 Anaconda 的 Kernel

• 默认配置下，Anaconda安装的虚拟环境和Jupyter Notebook运行需要的Kernel并不互通。

1
2
3
4
5
6
7
8

# 在 Anaconda 创建的拟环境添加 ipykernel

## 如果还没创建环境，在创建时要加上ipykernel
conda create -n env_name python=3.8 ipykernel
## 如果已经创建环境，在环境中安装ipykernel
pip install ipykernel
## 将特定 onda 环境注册为 jupyter 内核
python -m ipykernel install --user --name env_name --display-name "env_name"

4. 基本操作

• 重命名文件：当文件在运行时（即文件前图标为绿色），需要先点击“Shutdown”（关闭终端），再点击“Rename”

• Jupyter notebook

Jupyter Notebook中按下Enter进入编辑模式，按下Esc进入命令模式

编辑模式（绿色） 命令模式（蓝色）

1
2
3
4
5
6
7

入门操作
# 新增上一行，新增下一行，剪切，保存，删除等
# a, b, x, s, dd
# 合并，执行本单元代码，并跳转到下一单元，执行本单元代码，留在本单元
# Shift+M Shift+Enter Ctrl+Enter
# 显示行数，切换markdown/code
# l, m/y

• Jupyter Lab

Jupyter Lab同样有两种模式。按下Enter进入编辑模式，按下Esc进入命令模式

编辑模式（有框线无光标） 命令模式（无框线无光标）

快捷键操作与Jupyter Notebook基本相同，可参考上一部分

5. 安装插件

• 可省略

• 插件推荐

• • jupyterlab-execute-time：可以显示执行一个Cell要花费多少时间
• • jupyterlab-lsp：提供代码补全功能

6. 进阶操作

进阶操作

3.2 numpy pandas matplotlib seaborn

• 常用 import

1
2
3
4
5

import numpy as np
import pandas as pd
from pandas import DataFrame,Series
import matplotlib as mpl
import matplotlib.pyplot as plt

• numpy

• • numpy 中文文档
• • A Visual Intro to NumPy and Data Representation

• pandas

• • 交互的Python：数据分析入门-第 8 章 Pandas 入门
• • 10 minutes to pandas

• matplotlib

• • 第一回：Matplotlib初相识
• • 快速入门指南

5. 常见问题与解决办法

6. tips

• jupyter lab 插件系统现在直接自带 不用额外下载
• 注意 numpy 和 pandas 中的视图机制会导致数组等变量出现深浅拷贝的情况，浅拷贝下，数据会随着原数据变化

7. 参考资料

• Jupyter notebook/Lab 简述————深入浅出PyTorch
• Jupyter notebook/Lab 进阶操作
• numpy 中文文档
• A Visual Intro to NumPy and Data Representation