Ch02 Python与数据科学修订于 二〇二六年七月六日
2.3 Jupyter Notebook实战：AI开发的交互式工作台
2.3.1 为什么AI开发都用Jupyter
Jupyter Notebook 是一个在浏览器里运行的交互式编程环境。它和普通 .py 文件最大的区别是：代码分”单元格”（cell）运行，中间结果自动保留在内存里。
这对 AI 开发至关重要，因为：
- 加载一次模型可能要 30 秒到几分钟，如果在
.py文件里每次改了代码都要重新加载模型，一天 8 小时可能有 4 小时在等模型加载。 - 在 Jupyter 里，你加载一次模型，然后反复测试不同的 prompt、不同的参数，模型一直在内存里，秒级出结果。
- 你可以随时查看中间变量的值，不需要
print()满天飞。 - 图文混排：Markdown 说明 + 代码 + 输出图表全在一个页面里，天然适合做实验记录。
2.3.2 基本操作
| 操作 | 快捷键/方法 | 说明 |
|---|---|---|
| 运行当前 cell | Shift + Enter | 执行代码并跳到下一个 cell |
| 新建 cell | Esc 然后 b（下方）或 a（上方） | 在命令模式下操作 |
| 删除 cell | Esc 然后 d 两次 | 命令模式下连按两次 d |
| 切换 cell 类型 | Esc 然后 m（Markdown）或 y（代码） | 写文档用 Markdown，写代码用 Code |
| 重启内核 | Kernel → Restart | 清空所有变量，从头开始 |
| 中断执行 | Kernel → Interrupt 或工具栏方块按钮 | 代码跑飞了按这个 |
2.3.3 Jupyter Notebook vs .py 文件
Jupyter Notebook (.ipynb) | Python 脚本 (.py) | |
|---|---|---|
| 运行方式 | 逐个 cell 运行，结果保留在内存 | 一次性从头运行到尾 |
| 适合场景 | 数据探索、模型实验、可视化、学 AI | 最终部署、生产环境、自动化脚本 |
| 查看中间结果 | 天然支持，每个 cell 输出直接显示 | 需要手动 print 或调试器 |
| 版本管理 | 麻烦（JSON 格式，diff 不友好） | 友好（纯文本，git diff 清晰） |
| 典型工作流 | 用 Jupyter 做实验，确认可行后把代码搬到 .py 文件里部署 |
2.3.4 零基础5分钟上手
- 安装：
pip install jupyterlab（推荐 JupyterLab，比经典 Notebook 更好用） - 启动：终端输入
jupyter lab，浏览器会自动打开 - 新建 Notebook：点击
Python 3图标 - 第一个 cell 输入
print("Hello AI")，按Shift + Enter运行 - 第二个 cell 输入
import pandas as pd; print(pd.__version__)，验证库已安装
搞定。你已经在用 Jupyter 了。
← 上一节：2.2 Python环境管理：venv vs conda vs poetry vs uv ｜ 下一节：2.5 零基础最需要的 5 个 Python 库 →