本公众号已经改版，推出了线上线下课程，并且推出免费2个月广告服务业界优质产品。

彩蛋：作者著作：《Python Data Science Handbook》

上述图书是电子书链接，供爱学习的同学学习。

对于使用Jupyter notebook的户来说，你会经常遇到下面的问题：

我安装了软件包X，现在我无法将其导入到notebook中。帮帮我！

这个问题几乎是所有初学者第一个拦路虎，任何语言都是如此。今天我们就来说说Jupyter notebook如何解决这类问题。

从根本上来说，这个问题的根是Jupyter内核与Jupyter的shell分离的事实，换句话说，安装程序与笔记本中默认使用的是不同的Python版本。在最简单的情况下，这个问题不会出现，但是当调试代码时，需要了解操作系统的复杂性、Python软件包安装的复杂性以及Jupyter本身的复杂性。

在了解了一些在线（A，B）和一些关于这个话题的讨论，我决定在这里深入讨论这个问题。这篇文章将解决一些事情：

·         首先，我为一般问题提供一个快速，简单的答案，例如我如何安装一个Python包，以便使用pip或conda与我的jupyter笔记本一起工作。

·         其次，我将深入到Jupyter笔记本抽象是干什么的，如何将其与操作系统的复杂交互简单化。

·         第三，我将讨论一些我在社区的想法，其中包括Jupyter，Pip和Conda开发人员可能考虑的一些变化，以减轻用户的认知负担。

本文将重点介绍两种安装Python软件包的方法：pip和conda。

1.如何在Jupyter中安装软件包

Pip和conda

对于许多用户来说，pip和conda之间的选择可能是一个令人困惑的选择，我总结了两者之间的本质区别在于：

• Pip可以在任何环境下安装python软件包。

• conda在conda环境中安装任何软件包。

·         如果您使用Anaconda conda安装Python ，则使用安装Python软件包。如果conda告诉你所需的软件包不存在，那么你必须使用pip。

即使你在短期内可以解决问题，也可能会出现长期的问题。例如，如果pip install给你一个权限错误，这可能意味着你正在试图在系统中安装/更新python软件包，比如/usr/bin/python。这样做会产生不好的后果，因为操作系统本身通常依赖于Python安装中的特定版本。对于Python的日常使用，你应该使用虚拟环境或Anaconda把你的软件包与系统Python隔离。

1.1：如何使用Conda在Jupyter中

如果您使用的是jupyter，并且想要使用conda安装软件包，则可能会使用!记号直接从Jupyter上运行conda作为shell命令：

# DON'T DO THIS!!conda install --yes numpyFetching package metadata ...........Solving package specifications: .# All requested packages already installed.# packages in environment at /Users/jakevdp/anaconda/envs/python3.6:#numpy                     1.13.3           py36h2cdce51_0 

我将在下面更全面地概述，如果您想从当前的jupyter中使用这些已安装的软件包。

这是一个在一般情况下出现的对话：

# Install a conda package in the current Jupyter kernelimport sys!conda install --yes --prefix {sys.prefix} numpyFetching package metadata ...........Solving package specifications: .# All requested packages already installed.# packages in environment at /Users/jakevdp/anaconda:#numpy                     1.13.3           py36h2cdce51_0 

这个方法使得conda在当前运行的Jupyter内核中安装软件包。

1.2：如何使用pip在Jupyter中

如果您使用的是Jupyter，并想安装一个软件包pip，您可能会倾向于直接运行pip：

# DON'T DO THIS!pip install numpyRequirement already satisfied: numpy in /Users/jakevdp/anaconda/envs/python3.6/lib/python3.6/site-packages

如果您想从当前的jupyter中使用这些已安装的软件包。

# Install a pip package in the current Jupyter kernelimport sys!{sys.executable} -m pip install numpyRequirement already satisfied: numpy in /Users/jakevdp/anaconda/lib/python3.6/s

如果你想要在Jupyter中直接使用，指令应该是：

$ python -m pip install <package>

而不是：

$ pip install <package>

因为前者更明确地说明了软件包的安装位置（下面会详细介绍）。

2.为什么Jupyter的安装如此混乱？

上述的方案应该在所有情况下都能正常工作，但为什么还需要额外的方法？这是因为在Jupyter中，shell环境和Python可执行文件是断开的。想要深入理解理解为什么，你就必须要对以下的概念有了解：

1. 您的操作系统如何查找可执行程序。

2. Python如何安装和查找软件包。

3. Jupyter如何决定使用哪个Python可执行文件。

注意：下面的讨论假设操作系统是Linux，Unix，MacOSX。

2.1您的操作系统如何定位可执行文件？

当您正在使用的终端输入如下命令python，jupyter，ipython，pip，conda，你的操作系统包含一个定义良好的机制，他可以找到可执行文件的名称。

在Linux和Mac系统上，系统将首先检查与命令匹配的别名，如果失败，则引用$PATH环境变量：

!echo $PATH/Users/jakevdp/anaconda/envs/python3.6/bin:/Users/jakevdp/anaconda/envs/python3.

$PATH列出目录，按顺序，将搜索任何可执行文件：例如，如果我python在上面键入我的系统$PATH，它将首先查找/Users/jakevdp/anaconda/envs/python3.6/bin/python，如果不存在，它将查找/Users/jakevdp/anaconda/bin/python，依此类推。

2.2Python如何查找包

Python使用类似的机制来定位导入的包。Python在导入时搜索的路径列表位于：

 


 
默认情况下，Python查找模块的第一个地方是一个空路径，即当前的工作目录。如果没有找到该模块，则将它放在位置列表中，直到找到该模块。您可以使用__path__导入的模块的属性找出哪个位置已被使用：
 


 
import numpynumpy.__path__['/Users/jakevdp/anaconda/lib/python3.6/site-packages/numpy']
 


 
在大多数情况下，你安装了Python包pip或conda将被放置在一个名为目录site-packages。要认识到的重要一点是每个Python可执行文件都有自己的site-packages。这意味着当你安装一个软件包时，它与特定的python可执行文件相关联，并且默认只能用于Python安装。
 
我们可以打印sys.path每个可用python可执行文件的变量来看到这一点，使用Jupyter令人愉快的是将Python和bash命令混合在一个代码块中的功能：
 


 
paths = !type -a pythonfor path in set(paths):    path = path.split()[-1]    print(path)    !{path} -c "import sys; print(sys.path)"    print()
 


 
这里的全部细节并不是特别重要，但是需要强调的是，每个Python可执行文件都有自己独特的路径，除非您修改sys.path，否则不能导入安装在不同Python环境中的软件包。
 
我将再次强调：Jupyter中的shell环境必须与启动它的Python版本相匹配。
 
2.3： Jupyter如何执行代码：Jupyter内核
 
下一个相关的问题是Jupyter如何选择执行Python代码，这使我们想到了Jupyter内核的概念。
 
Jupyter内核是指Jupyter在内执行代码的一系列文件。对于Python内核，这将指向一个特定的Python版本，但Jupyter被设计得更通用：Jupyter有几十个可用的内核，包括Python 2，Python 3，Julia，R，Ruby，Haskell，甚至C ++和Fortran。
 
如果您使用Jupyter，则可以随时使用内核→选择内核菜单项来更改内核。
 
要查看您的系统上可用的内核，可以在shell中运行以下命令：
 


 
!jupyter kernelspec listAvailable kernels:  python3       /Users/jakevdp/anaconda/envs/python3.6/lib/python3.6/site-packages/ipykernel/resources  conda-root    /Users/jakevdp/Library/Jupyter/kernels/conda-root  python2.7     /Users/jakevdp/Library/Jupyter/kernels/python2.7  python3.5     /Users/jakevdp/Library/Jupyter/kernels/python3.5  python3.6     /Users/jakevdp/Library/Jupyter/kernels/python3.6
 


 
这些列出的内核中的每一个都是一个包含名为kernel.json的文件的目录，其中指定了内核应该使用哪种语言和可执行文件。例如：
 


 
!cat /Users/jakevdp/Library/Jupyter/kernels/conda-root/kernel.json{ "argv": [  "/Users/jakevdp/anaconda/bin/python",  "-m",  "ipykernel_launcher",  "-f",  "{connection_file}" ], "display_name": "python (conda-root)", "language": "python"}
 


 
如果你想创建一个新的内核，可以使用jupyter ipykernel命令来完成。例如，我使用以下内容作为模板，为我的conda环境创建了上述内核：
 


 
$ source activate myenv$ python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
 


 
3.一些建议
 
所以，综上所述，安装在Jupyter的包是从根本上说Jupyter的shell环境和Python的内核不匹配，这意味着你必须做的不是简单地多了解pip install或conda install做事情的工作。
 
我有一些想法，其中一些可能是有用的：
 
3.1：Jupyter 的潜在策略
 
正如我所提到的，根本问题是Jupyter的shell环境和计算内核之间的不匹配。那么，我们是否可以按照内核规范来强制二者匹配呢？
 
也许，这个github问题展示了一种在内核启动时修改shell变量的方法。
 
基本上，在你的内核目录中，你可以添加一个如下所示的脚本kernel-startup.sh（并确保你改变了权限以便它是可执行的）：
 


 
#!/usr/bin/env bash# activate anaconda envsource activate myenv# this is the critical part, and should be at the end of your script:exec python -m ipykernel $@
 


 
3.2新的Jupyter Magic函数
 
我们可以通过在Jupyter中引入%pip和%conda魔术功能来简化用户体验，从而检测当前的内核并使某些软件包安装在正确的位置。
 
PIP Magic
 
例如，下面是如何定义一个%pip在当前内核中工作的魔术函数：

                        
                        

                            
                            版权声明：本文来源CSDN，感谢博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。

                            原文链接：https://blog.csdn.net/wja8a45TJ1Xa/article/details/78757258

                            站方申明：本站部分内容来自社区用户分享，若涉及侵权，请联系站方删除。
                        
                        
                        

                            

                                

                                    
                                    发表于 2021-05-31 02:59:16
                                
                                
阅读 ( 639 )
                                
分类：