update:win_5_py

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.**