可能你已經知道，Python 在 14 年後的“崛起”，得益於機器學習和數學統計應用的興起。那為什麽 Python 如此適合數學統計和機器學習呢？作為“老司機”的我可以肯定地告訴你，Jupyter Notebook （https://jupyter.org/）功不可沒。

毫不誇張地說，根據我對 Facebook 等矽谷一線大廠的了解，一個 Python 工程師如果現在還不會使用 Jupyter Notebook 的話，可能就真的太落伍了。

磨刀不誤砍柴工，高效的工具讓我們的編程事半功倍。這一節課，我就來帶你學習一下 Jupyter Notebook，為後面的 Python 學習打下必備基礎。

什麽是 Jupyter Notebook？

說了這麽多，到底什麽是 Jupyter Notebook？按照 Jupyter 創始人 Fernando Pérez 的說法，他最初的夢想是做一個綜合 Ju （Julia）、Py （Python）和 R 三種科學運算語言的計算工具平臺，所以將其命名為 Ju-Py-te-R。發展到現在，Jupyter 已經成為一個幾乎支持所有語言，能夠把軟件代碼、計算輸出、解釋文檔、多媒體資源整合在一起的多功能科學運算平臺。

英文裏說一圖勝千言（A picture is worth a thousand words）。看下面這個圖片，你就明白什麽是 Jupyter Notebook 了。

你在一個框框中直接輸入代碼，運行，它立馬就在下面給你輸出。怎麽樣，是不是很酷？你可能會納悶兒，這樣一個看起來“華而不實”的玩意兒，真的就成了 Python 社區的顛覆者嗎？說實話放在幾年前我也是不信的。所以 Jupyter Notebook 的影響究竟有多大呢？

Jupyter Notebook 的影響力

我們衡量一個技術的影響力，或者說要用自己的技術去影響世界時，必定繞不開這個技術對教育界的影響力。

就拿微軟的 Word 文本處理系統來說吧。從純技術角度來講，Word 的單機設計理念早已落後時代 20 年。但以 Google Doc 為代表的在線文檔系統，卻並沒有像想象中那樣，實現對 Word 的降維打擊。

直觀的原因是用戶習慣，使用 Word 修改文檔，那就來回發幾十遍唄，用著也還可以。但更深刻來想，之所以養成這樣的用戶習慣，是因為我們的教育根源。教育系統從娃娃抓起，用小學中學大學十幾年的時間，訓練了用戶 Word 的使用習慣。到工作中，老員工又會帶著新員工繼續使用 Word，如此行程技術影響力生生不息的正向反饋。

回到我們今天的主題，我們來看 Jupyter Notebook。從 2017 年開始，已有大量的北美頂尖計算機課程，開始完全使用 Jupyter Notebook 作為工具。比如李飛飛的 CS231N《計算機視覺與神經網絡》課程，在 16 年時作業還是命令行 Python 的形式，但是 17 年的作業就全部在 Jupyter Notebook 上完成了。再如 UC Berkeley 的《數據科學基礎》課程，從 17 年起，所有作業也全部用 Jupyter Notebook 完成。

而 Jupyter Notebook 在工業界的影響力更甚。在 Facebook，雖然大規模的後臺開發仍然借助於功能齊全的 IDE，但是幾乎所有的中小型程序，比如內部的一些線下分析軟件，機器學習模塊的訓練都是借助於 Jupyter Notebook 完成的。據我了解，在別的矽谷一線大廠，例如 Google 的 AI Research 部門 Google Brain，也是清一色地全部使用 Jupyter Notebook，雖然用的是他們自己的改進定制版，叫 Google Colab。

看到這裏，相信你已經認可了 Jupter Notebook 現如今的江湖地位。不過，說到技術的選擇，有些人會說，這個技術流行，我們應該用；有些人認為，阿裏已經在用這個技術了，這就是未來，我們也要用等等。不得不說，這些都是片面的認知。不管是阿裏還是 Facebook 用的技術，其實不一定適用你的應用場景。

我經常會鼓勵技術同行，對於技術選擇要有獨立的思考，不要人雲亦雲。最起碼你要去思考，Facebook 為什麽選擇這個技術？這個技術解決了哪些問題？Facebook 為什麽不選擇別的技術？有哪些局限？單從選擇結果而言，Facebook 選擇的技術很可能是因為它有幾百個產品線，幾萬個工程師。而同樣的技術，在一個十人的團隊裏，反而成了拖累。

在這裏，我不想忽悠你任何技術，我想教會你的是辯證分析技術的思考方法。接下來，我們就來看看，Jupyter 究竟解決了哪些別人沒有解決的問題。

Jupyter 的優點

1、整合所有的資源

在真正的軟件開發中，上下文切換占用了大量的時間。什麽意思呢？舉個例子你就很好理解了，比如你需要切換窗口去看一些文檔，再切換窗口去用另一個工具畫圖等等。這些都是影響生產效率的因素。

正如我前面提到的，Jupyter 通過把所有和軟件編寫有關的資源全部放在一個地方，解決了這個問題。當你打開一個 Jupyter Notebook 時，就已經可以看到相應的文檔、圖表、視頻和相應的代碼。這樣，你就不需要切換窗口去找資料，只要看一個文件，就可以獲得項目的所有信息。

2、交互性編程體驗

在機器學習和數學統計領域，Python 編程的實驗性特別強，經常出現的情況是，一小塊代碼需要重寫 100 遍，比如為了嘗試 100 種不同的方法，但別的代碼都不想動。這一點和傳統的 Python 開發有很大不同。如果是在傳統的 Python 開發流程中，每一次實驗都要把所有代碼重新跑一遍，會花費開發者很多時間。特別是在像 Facebook 這樣千萬行級別的代碼庫裏，即使整個公司的底層架構已經足夠優化，真要重新跑一遍，也需要幾分鐘的時間。

而 Jupyter Notebook 引進了 Cell 的概念，每次實驗可以只跑一小個 Cell 裏的代碼；並且，所見即所得，在代碼下面立刻就可以看到結果。這樣強的互動性，讓 Python 研究員可以專註於問題本身，不被繁雜的工具鏈所累，不用在命令行直接切換，所有科研工作都能在 Jupyter 上完成。

3、零成本重現結果

同樣在機器學習和數學統計領域，Python 的使用是非常短平快的。常見的場景是，我在論文裏看到別人的方法效果很好，可是當我去重現時，卻發現需要 pip 重新安裝一堆依賴軟件。這些準備工作可能會消耗你 80% 的時間，卻並不是真正的生產力。

Jupyter Notebook 如何解決這個問題呢？

其實最初的 Jupyter Notebook 也是挺麻煩的，需要你先在本機上安裝 IPython 引擎及其各種依賴軟件。不過現在的技術趨勢，則是徹底雲端化了，例如 Jupyter 官方的 Binder 平臺（介紹文檔：https://mybinder.readthedocs.io/en/latest/index.html）和 Google 提供的 Google Colab 環境（介紹：https://colab.research.google.com/notebooks/welcome.ipynb）。它們讓 Jupyter Notebook 變得和石墨文檔、Google Doc 在線文檔一樣，在瀏覽器點開鏈接就能運行。

所以，現在當你用 Binder 打開一份 GitHub 上的 Jupyter Notebook 時，你不需要安裝任何軟件，直接在瀏覽器打開一份代碼，就能在雲端運行。

4、Jupyter Notebook 初體驗

學習技術的最好方法就是用技術。不過，在今天的篇幅裏，我不可能帶你完全學會 Jupyter Notebook 的所有技巧。我想先帶你直接感受一下，使用 Jupyter Notebook 的工作體驗。

比如這樣一個GitHub 文件。在Binder中，你只要輸入其對應的 GitHub Repository 的名字或者 URL，就能在雲端打開整個 Repository，選擇你需要的notebook，你就能看到下圖這個界面。

每一個 Jupyter 的運行單元都包含了 In、Out 的 Cell。如圖所示，你可以使用 Run 按鈕，運行單獨的一個 Cell。當然，你也可以在此基礎上加以修改，或者新建一個 notebook，寫成自己想要的程序。趕緊打開鏈接試一試吧！

另外，我還推薦下面這些 Jupyter Notebook，作為你實踐的第一站。

第一個是 Jupyter 官方：https://mybinder.org/v2/gh/binder-examples/matplotlib-versions/mpl-v2.0/?filepath=matplotlib_versions_demo.ipynb

第二個是 Google Research 提供的 Colab 環境，尤其適合機器學習的實踐應用：https://colab.research.google.com/notebooks/basic_features_overview.ipynb

如果你想在本地或者遠程的機器上安裝 Jupyter Notebook，可以參考下面的兩個文檔。

安裝：https://jupyter.org/install.html

運行：https://jupyter.readthedocs.io/en/latest/running.html#running

總結

這節課，介紹了 Jupyter Notebook，並告訴你它為什麽日趨成為 Python 社區的必學技術。這主要是因為它的三大特點：整合所有的資源、交互性編程體驗和零成本重現結果。但還是那句話，學習技術必須動手實操。這節課後，希望你能自己動手試一試 Jupyter Notebook，後面我們的一些課程代碼，我也會用 Jupyter Notebook 的形式分享給你。

【學習筆記】第三章 Jupyter Notebook為什麽是現代Python的必學技術？