From 8e2f579ed7f6c18b01f894c2439b7b015475dadd Mon Sep 17 00:00:00 2001 From: dichgrem Date: Sat, 27 Sep 2025 14:40:07 +0800 Subject: [PATCH] update:win_5_py --- content/windows-5-py.md | 163 ++++++++++++++++++++++++---------------- justfile | 2 +- 2 files changed, 101 insertions(+), 64 deletions(-) diff --git a/content/windows-5-py.md b/content/windows-5-py.md index 5824313..14add7c 100644 --- a/content/windows-5-py.md +++ b/content/windows-5-py.md @@ -27,41 +27,18 @@ Python是一种跨平台的编程语言,社区生态丰富，有许多现成的 安装好了Anaconda，就相当于同时有了Python、环境管理器、包管理器以及一大堆开箱即用的科学计算工具包。 +> linux中安装Miniconda +``` +# Miniconda安装脚本 +wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh +# 执行以下命令启动安装程序： +bash Miniconda3-latest-Linux-x86_64.sh +# 验证安装 +conda --version +``` + ## 使用 -安装好了，默认是在base虚拟环境下，此时我们从base环境复制一份出来，在新环境里工作。 - -- 复制base环境, 创建test环境 -``` -conda create --name test --clone base -``` -- 激活test环境 -``` -conda activate test -``` -- 取消Conda默认激活base虚拟环境 -``` -conda config --set auto_activate_base false -``` -- 列出本机的所有环境，如下，可见当前有2个环境，当前激活的是test环境： -``` -(test) ➜ ~ conda info -e -- conda environments: -# -base /Volumes/300g/opt/anaconda3 -test * /Volumes/300g/opt/anaconda3/envs/test -``` -- Anaconda默认安装了jupyter，打开jupyter： -``` -jupyter notebook -``` -此时会自动弹出浏览器窗口打开Jupyter Notebook网页，默认为``http://localhost:8888`` - -> Jupyter汉化/下载中文包：``pip install jupyterlab-language-pack-zh-CN`` - - -### 虚拟环境管理 - - 创建环境，后面的python=3.6是指定python的版本 ``` conda create --name env_name python=3.6 @@ -76,7 +53,7 @@ conda activate env_name ``` - 关闭某个环境 ``` -conda deactivate +conda deactivate env_name ``` - 复制某个环境 ``` @@ -90,10 +67,19 @@ conda remove --name env_name --all ``` conda env export > environment.yml ``` -- 别人在自己本地使用yml文件创建虚拟环境 +- 在本地使用yml文件创建虚拟环境 ``` conda env create -f environment.yml ``` +- 列出本机的所有环境，如下，可见当前有2个环境，当前激活的是test环境： +``` +(test) ➜ ~ conda info -e +- conda environments: +# +base /Volumes/300g/opt/anaconda3 +test * /Volumes/300g/opt/anaconda3/envs/test +``` + ### 包管理 - 列出当前环境下所有安装的包 @@ -143,55 +129,61 @@ conda --help conda install --help ``` -有了Conda包管理器，为什么Anaconda环境中，可能还需要用pip安装包呢？因为Anaconda本身只提供部分包，远没有pip提供的包多，有时conda无法安装我们需要的包，此时需要用pip将其装到conda环境里。 - -安装特定版本的包，conda用=，pip用==。例如： -``` -conda install xxx=1.0.0 -pip install xxx==1.0.0 -``` ## Jupyter使用 安装Anaconda并启动一个环境之后，如何让Jupyter Notebook在我们要的环境中启动呢？ -- 激活目标环境 +- 安装jupyter ``` -conda activate myenv +conda install jupyter notebook ``` -- 安装 ipykernel（如尚未安装） +- 配置虚拟机中允许宿主机访问 +``` +# 生成配置 +jupyter notebook --generate-config +# 编辑配置 +nano ~/.jupyter/jupyter_notebook_config.py +# 写入这三行 +c.NotebookApp.ip = '0.0.0.0' # 允许任何 IP 访问 +c.NotebookApp.port = 8888 # 指定端口 +c.NotebookApp.open_browser = False # 不自动开浏览器 +# 重启jupyter +jupyter notebook +``` + +- 安装 ipykernel + 为了让 Jupyter Notebook 能识别该环境中的 Python 解释器，你需要在该环境中安装 ipykernel： + ``` conda install ipykernel - -# 或者使用 pip - -pip install ipykernel ``` - 注册环境内核 + 将该环境注册为 Jupyter 的一个内核（kernel），这样启动 Jupyter Notebook 后就能选择这个内核： ``` python -m ipykernel install --user --name myenv --display-name "Python (myenv)" - -# 这里 --name 指定内核的名称，--display-name 是在 Jupyter Notebook 界面中显示的名称，你可以根据需要自定义。 ``` -- 启动 Jupyter Notebook：依然在激活后的环境中，启动 Jupyter Notebook： +这里 --name 指定内核的名称，--display-name 是在 Jupyter Notebook 界面中显示的名称，你可以根据需要自定义。 + +- 启动 Jupyter Notebook：依然在激活后的环境中，启动 Jupyter Notebook；启动后，你在新建 notebook 时可以选择刚刚注册的内核 “Python (myenv)” 来确保使用该环境的 Python 解释器。 + ``` jupyter notebook ``` -- 启动后，你在新建 notebook 时可以选择刚刚注册的内核 “Python (myenv)” 来确保使用该环境的 Python 解释器。 + +- 汉化jupyter(可选) + +Jupyter Notebook 本身没有官方语言包，但可以用第三方扩展 ``jupyter_contrib_nbextensions``和``notebook-translation``来实现部分汉化 + +``` +pip install jupyter_contrib_nbextensions +jupyter contrib nbextension install --user +pip install jupyter-notebook-translation +``` > 当然，你也可以使用其他编辑器/IDE如 Sublime Text 或者 JetBrains 系列的 PyCharm 。 -> linux中使用Miniconda -``` -# Miniconda安装脚本 -wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -# 执行以下命令启动安装程序： -bash Miniconda3-latest-Linux-x86_64.sh -# 验证安装 -conda --version -``` - ## 使用UV替代Conda > UV（由 Astral 团队开发）是一个用 Rust 编写的高性能包管理器，提供了类似 Conda 的虚拟环境管理和依赖解析功能，并且在大多数场景下比 pip 和 Conda 快 10–100 倍。它通过命令行工具如 uv venv（创建/管理虚拟环境）和 uv pip（安装/锁定/同步依赖）来覆盖传统的 conda create、conda install、conda env export 等操作，但本身并不管理底层的 C/C++ 库，因此对于诸如 GDAL、SciPy 等需要系统级二进制依赖的包，仍建议在 Conda/系统包管理器中预装相关库，然后用 UV 来管理 Python 包。 @@ -264,6 +256,51 @@ uv pip uninstall numpy 2. **Python 包**：用 UV 管理所有纯 Python 依赖（`uv pip install pandas scikit-learn`）。 3. **统一锁定**：把 `uv pip compile` 生成的 `requirements.txt` 放入版本控制，确保团队环境一致。 +## ipynb转markdown + +首先安装 nbformat 和 nbconvert包： +``` +conda install nbformat nbconvert -y +touch ipynb2md.py && nano ipynb2md.py +``` +写入以下脚本： +``` +import nbformat +from nbconvert import MarkdownExporter +from pathlib import Path + +def ipynb_to_md(ipynb_path: Path, output_dir: Path): + """单个 ipynb 转 md""" + with open(ipynb_path, "r", encoding="utf-8") as f: + nb = nbformat.read(f, as_version=4) + + exporter = MarkdownExporter() + body, resources = exporter.from_notebook_node(nb) + + output_file = output_dir / (ipynb_path.stem + ".md") + with open(output_file, "w", encoding="utf-8") as f: + f.write(body) + + print(f"✔ 转换完成: {ipynb_path} -> {output_file}") + +def batch_convert(input_dir: str, output_dir: str = "markdown_output"): + input_dir = Path(input_dir) + output_dir = Path(output_dir) + output_dir.mkdir(parents=True, exist_ok=True) + + for ipynb_file in input_dir.glob("*.ipynb"): + ipynb_to_md(ipynb_file, output_dir) + +if __name__ == "__main__": + # 修改这里的目录路径即可 + batch_convert(input_dir=".") +``` +运行脚本： +``` +python ipynb2md.py +``` +脚本会自动扫描当前目录下的所有 .ipynb 文件，并把 .md 文件输出到 markdown_output/ 文件夹。 + --- **Done.** diff --git a/justfile b/justfile index 9d2a8ce..b200e70 100644 --- a/justfile +++ b/justfile @@ -1,4 +1,4 @@ #!/usr/bin/env -S just --justfile build: - zola build && npx pagefind --site public --root-selector body + zola build && pagefind --site public --root-selector body