Комплект для анализа данных: установка Anaconda и работа в Jupyter

Раздел: Инструменты -> Настройка окружения Python

Установка Anaconda и запуск Jupyter Notebook

Основной способ получить полноценное окружение для Data Science - установить дистрибутив Anaconda. Он включает Python, Jupyter Notebook, JupyterLab, популярные библиотеки (NumPy, Pandas, Matplotlib и др.) и менеджер пакетов conda. После установки Jupyter становится доступен сразу.

Для установки на Windows, macOS или Linux следует скачать установщик с официального сайта (https://www.anaconda.com/download) и запустить его. При установке на Windows важно отметить опцию «Add Anaconda to my PATH environment variable», чтобы команды conda и jupyter были доступны из командной строки. После завершения можно проверить установку:

conda --version
jupyter --version

Anaconda python jupiter (anaconda и python jupyter (установка))

Затем запустить Jupyter Notebook командой:

jupyter notebook

виртуальная среда python (создание и активация виртуального окружения python)

Откроется веб-интерфейс, где можно создавать, открывать и редактировать блокноты.

Типичная ошибка: команда jupyter не найдена

Если после установки Anaconda команда jupyter не распознаётся, возможно, не добавлены пути в переменную окружения PATH. На Windows следует повторно запустить установщик и выбрать опцию добавления в PATH, либо вручную добавить пути C:\Users\Имя\Anaconda3 и C:\Users\Имя\Anaconda3\Scripts. На macOS и Linux может потребоваться перезапустить терминал или выполнить source ~/.bashrc.

Как установить Jupyter без полной Anaconda, используя Miniconda?

Miniconda - минимальная версия Anaconda, содержащая только Python, conda и несколько необходимых библиотек. После установки Miniconda Jupyter устанавливается дополнительно:

conda install jupyter

Этот подход экономит дисковое пространство и позволяет ставить только нужные пакеты. Пользователь сам решает, какие библиотеки добавить.

Возможная проблема: конфликт версий пакетов

При установке через conda может возникнуть конфликт зависимостей. Решение - использовать виртуальное окружение:

conda create -n myenv python=3.9
conda activate myenv
conda install jupyter

Это изолирует проект и предотвращает конфликты с системным Python.

Как установить Jupyter через pip без использования conda?

Если пользователь уже имеет Python (версия 3.7 или выше), Jupyter можно установить с помощью pip:

pip install jupyter

Установка через pip проще, но не включает менеджер сред conda. Для управления окружениями приходится использовать venv или virtualenv. Jupyter Notebook запускается той же командой jupyter notebook. Рекомендуется устанавливать в виртуальное окружение:

python -m venv myenv
myenv\Scripts\activate  # Windows
source myenv/bin/activate  # macOS/Linux
pip install jupyter

Ошибка: pip install jupyter завершается с ошибкой прав доступа

На macOS/Linux может потребоваться использовать --user или запустить от имени администратора (sudo pip install jupyter), но sudo лучше избегать. Оптимально - активировать виртуальное окружение, тогда права не требуются.

Как использовать Jupyter в контейнере Docker?

Для изолированной работы с Jupyter без установки на хост‑машину можно запустить официальный образ Jupyter Docker:

docker run -p 8888:8888 jupyter/datascience-notebook

После запуска в терминале появится ссылка с токеном для входа. Этот способ удобен для воспроизводимости окружения и тестирования разных версий пакетов.

Проблема: порт 8888 уже занят

Изменить порт на хосте можно параметром -p 8889:8888. Для сохранения данных монтируется том:

docker run -v /путь/к/папке:/home/jovyan/work -p 8888:8888 jupyter/datascience-notebook

Расширенные примеры работы с Jupyter и Anaconda

После установки полезно освоить дополнительные возможности.

Создание и управление окружениями conda

Окружения позволяют изолировать проекты с разными версиями Python и библиотек. Создание нового окружения:

Пример

conda create --name data_env python=3.10
conda activate data_env
conda install numpy pandas matplotlib jupyter
jupyter notebook

Вывод списка окружений:

conda env list
# conda environments:
# base                  *  /home/user/anaconda3
# data_env                 /home/user/anaconda3/envs/data_env

Установка ядра Jupyter для окружения

Чтобы окружение было доступно как ядро в Jupyter Notebook, выполняется:

Пример

conda activate data_env
ipython kernel install --user --name data_env --display-name "Data Env"

После этого в интерфейсе Jupyter можно выбрать ядро Data Env.

Настройка конфигурации Jupyter

Файл конфигурации создаётся командой:

Пример

jupyter notebook --generate-config

В нём можно изменить порт (c.NotebookApp.port = 9999), отключить браузер (c.NotebookApp.open_browser = False), задать пароль для входа (c.NotebookApp.password = 'sha1:...').

Магические команды в Jupyter

Магические команды облегчают работу. Например, %timeit измеряет время выполнения кода:

Пример

%timeit sum(range(1000))
# 10000 loops, best of 5: 22.2 µs per loop

Команда %run запускает внешний скрипт Python в текущем блокноте:

Пример

%run myscript.py

Магия %matplotlib inline выводит графики прямо в блокнот:

Пример

%matplotlib inline
import matplotlib.pyplot as plt
plt.plot([1,2,3],[4,5,6])

Результат - встроенное изображение графика.

Экспорт блокнота

Jupyter поддерживает экспорт в различные форматы:

Пример

jupyter nbconvert --to html notebook.ipynb
jupyter nbconvert --to pdf notebook.ipynb

Для экспорта в PDF требуется установленный LaTeX (например, MiKTeX на Windows) или pandoc.

Удалённый доступ к Jupyter

Для запуска Jupyter на удалённом сервере и доступа через браузер локальной машины:

Пример

jupyter notebook --no-browser --port=8888

Затем на локальной машине создаётся SSH-туннель:

Пример

ssh -L 8888:localhost:8888 user@remote_host

После этого блокнот доступен по адресу http://localhost:8888.

Anaconda и Python Jupyter (установка) - comments

Anaconda python jupiter (python)