在完成Ananconda安装后，在cmd窗口中输入jupyter notebook，随机将会在默认浏览器中打开jupyter notebook主界面（建议将Chrome设置为默认浏览器）。
此架构的一个优点是，内核无需运行 Python。由于 notebook 和内核分开，因此可以在两者之间发送任何语言的代码。例如，早期的两个非 Python 内核分别是 R 语言和 Julia 语言。使用 R 内核时，用 R 编写的代码将发送给执行该代码的 R 内核，这与在 Python 内核上运行 Python 代码完全一样。IPython notebook 已被改名，因为 notebook 变得与编程语言无关。新的名称 Jupyter 由、和组合而成。
notebook 的另一大好处，就是可以同时管理多个版本，当你同时需要 Python 2 和 Python 3，或者 Scala 2.10 和 2.11 的内核的时候，是十分方便的。
notebook 界面由基本的单元格组成，每个单元格在可编辑状态下可以任意的输入代码和注释说明（markdown）。默认的是代码格式，也就是下图中工具栏列表所示的。
单元格绿色代表内容可编辑状态（比如输入代码），蓝色代表单元格可操作状态（比如删除单元格，必须回到蓝色），而蓝色与绿色之间可以用和来切换。
Markdown单元格,是格式化语法，可以加入链接、将文本样式设为粗体或斜体和设置代码格式。像代码单元格一样，按或可运行 Markdown 单元格，这会将 Markdown 呈现为格式化文本。
notebook 自带一组快捷键。
Magic 命令的前面带有一个或两个百分号（或），分别代表行 Magic 命令和单元格 Magic 命令。行 Magic 命令仅应用于编写 Magic 命令时所在的行，而单元格 Magic 命令应用于整个单元格。很多 Magic 关键字的使用，这里只列出了两个常用的介绍给大家。更多内容请参考：http://ipython.readthedocs.io/en/stable/interactive/magics.html
notebook 中的默认图像可能会显得模糊。可以在 %matplotlib inline 之后使用来呈现分辨率较高的图像。
https://jupyter.readthedocs.io/en/latest/content-quickstart.html
https://www.jianshu.com/p/91365f343585
ipynb转为py： jupyter nbconvert --to script *.ipynb
jupyter notebook是一个交互式的IDE，虽然不像PyCharm这种重型IDE那么强大，但是仍然可以当做IDE来用，而且有一些特色非常适合用来进行数据分析：
- 可以单行运行代码，这样就可以一行一行的检查代码，查看运行结果，反复尝试；
- 每次运行后变量都保存在内存中，因此可以重复使用（这对于一些比较耗时的计算过程，尤其有用）；
- 可以写markdown格式的注释，这样就可以将整个分析过程非常清晰的表达出来；
- 可以利用Mathjax展示数学公式；
- 可以插入图片等，可以制作出图和代码并茂的非常精致的笔记和文档（有很多已经出版的书都是完全使用notebook来写作的）.
jupyter notebook并不适用代码量比较大的工程类项目。
- 知乎上的一个介绍：https://www.zhihu.com/question/37490497/answer/212044783(你为什么使用 jupyter进行分析，而不是用python脚本或仅仅利用excel ？ - 子珂的回答)
- datacamp中介绍Jupyter Notebook的文章（包括如何运行R代码）：https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook
- 另一篇文章（包括快捷键，其他注意事项等）：https://www.dataquest.io/blog/jupyter-notebook-tutorial/
在Anaconda中，添加对R的支持
有时候需要用到R，在anaconda中安装的R默认是由微软的发行版(Microsoft R Open, MRO)
1. 安装MRO
conda create -n mro_env r-essentials # 这里创建了一个新的虚拟环境"mro_env"来安装与R相关的包
2. 安装IRkernel
安装好R的虚拟环境后，需要安装IRKernel才能在在jupyter lab中使用R。第一步结束后进行下面的操作：
conda activate mro_env # 进入新创建的虚拟环境
R # 直接输入R进入R的命令行界面，在R内部安装所需的包和IRkernel
install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
3. 激活IRkernal
IRkernel::installspec()
完成以上操作之后，再使用之前的命令安装JupyterLab，就可以在JupyterLab中使用R了：
2. 起因
最近打算好好学习下统计学和机器学习方面的知识，我的习惯是学习新内容前需要有好的记录工具，否则就坚持不下去，容易气馁。之前学习R语言的时候爱上了Rstudio和Rmd这种交互式文档语言(interactive language)，但是因为R更多的是用来做统计分析的，功能还是比较薄弱，不能适应复杂的任务，因此需要开辟新的语言进行学习，之前也学习过python，了解其语法，但是没有坚持的原因有两点，其一本科的时候没有项目进行练手，其二是因为没有找到合适自己的IDE。现在重新学习语言，找到了Jupyter Notebook，类似与Rstudio一样可以做到所写即所得。所以开始熟悉怎么使用Jupyter Notebook，将一些技巧记录在此。
3.技巧
3.1 配置及打开
安装方法之类的不多讲，安装之后希望在任何地方打开Jupyter的话在Terminal下cd到目标文件夹，键入Jupyter Notebook自然能在你的浏览器下打开Jupyter，则工作目录即为你的目标目录。
希望查看Jupyter的配置文件的话键入jupyter notebook --generate-config则能看到配置文件。
3.2 加载本地.py文件
还可以将本地的.py文件load到jupyter的一个cell中
例如有一个test.py文件，需要将其载入到jupyter的一个cell中
test.py内容如下：
import caffe
SolverName = "/root/workspace"
sovler = caffe.AdamSolver(SolverName)
在需要导入该段代码的cell中只需要输入如下
%load test.py #test.py是当前路径下的一个python文件
3.3 作为unix command使用
jupyter的cell还可以作为unix command使用，具体方法为：在unix command前面加入一个感叹号“！”
例子：
查看python版本：!python --version
运行python文件：!python myfile.py
3.4 添加目录功能
还可以为Jupyter Notebook添加目录功能，原始的Jupyter是不支持markdown添加目录功能的，实际上，可以利用Jupyter notebook extensions去使得这种功能实现，具体方法：
`conda install -c conda-forge jupyter_contrib_nbextensions`
打开Jupyter Notebook，在它的（新增的）Nbextensions标签下勾选“Table of Contents(2)” ，关于extensions还有很多其他的功能可以自行查看。
3.5 魔法命令 (magic function)
所有以%开头的方法，都是Jupyter里面的所谓魔术方法(Magic function)，也就是ipython内置的一些方法。需要注意的是，魔术方法有%和%%之分，比如%timeit和%%timeit。在ipython中有专门的叫法，前者叫line magic后者叫cell magic。顾名思义，前者是专门针对一行的命令，后者针对多行的命令。
通过%lsmagis可以查看所有的magic命令，使用?或者??可以查看该命令的信息，后者可以查看源码。如： %alias?，会出现该方法的描述。
3.6 Jupyter中使用R
安装IRkernel