jupyter notebook使用实例

### Jupyter Notebook 使用教程

#### 创建和运行第一个 Jupyter Notebook 文件

启动 Jupyter Notebook 后，浏览器会打开一个新的页面显示文件列表。点击右上角的新建按钮并选择 Python 版本来创建新的笔记本。

print("Hello, world!")

这段简单的代码展示了如何在单元格中编写和执行 Python 代码[^2]。

#### 数据处理与分析示例

下面的例子展示了一个典型的数据科学工作流程，在其中读取 CSV 文件并对数据进行了基本探索：

import pandas as pd

# 加载数据集
data = pd.read_csv('example.csv')

# 查看前几行记录
display(data.head())

# 获取描述性统计数据
display(data.describe())

此部分利用 Pandas 库来加载外部数据源，并调用了 `head()` 和 `describe()` 方法来进行初步了解数据结构及其分布情况。

#### 可视化图表绘制

对于任何数据分析项目来说，可视化都是不可或缺的一环。这里介绍怎样通过 Matplotlib 来制作简单折线图：

import matplotlib.pyplot as plt

plt.plot([1, 2, 3], [4, 5, 6])
plt.title('Simple Line Plot')
plt.xlabel('X Axis Label')
plt.ylabel('Y Axis Label')
plt.show()

上述代码片段说明了如何导入绘图库并将两个数组作为 X 轴和 Y 轴输入参数传递给 plot 函数以生成图形；最后使用 show() 显示图像窗口。

#### 离线环境下的高级交互式可视化工具——Plotly

为了实现更复杂的视觉效果，还可以考虑采用像 Plotly 这样的第三方 JavaScript 图表库。即使是在没有网络连接的情况下也可以正常运作：

from plotly.offline import init_notebook_mode, iplot
init_notebook_mode(connected=True)

trace = dict(x=[1, 2, 3], y=[4, 5, 6], type='scatter', mode='lines+markers')
layout = dict(title="Offline Mode", xaxis=dict(title="X"), yaxis=dict(title="Y"))
fig = dict(data=[trace], layout=layout)
iplot(fig)

该段程序初始化了离线模式之后定义了一组散点轨迹对象连同布局设置一起传入到 figure 中完成整个作图过程[^3]。