初学者须要IPython 与 Jupyter Notebook 吗?

时间 2019-12-12

标签初学者须要 ipython jupyter notebook 栏目 Python 繁體版

原文原文链接

ipython 是 jupyter notebook的前身并拥有ipython的所有功能 javascript

jupyter拥有 cell, markdown 整合的功能, 能同时运行代码, 并且是多组的. 同时也能够插入markdown这种多功能注释包括图片(但支持不好). html

写教程,写博客很是一流. 并且还能够上传到jupyterhub…听说要本身搭建 java

对于初学者来讲, jupyter毕竟是一个web应用, 存储文件有不稳定的地方. 建议仍是使用pycharm这类的软件编写代码. 若是是用于写博客, sublime能够安装插件copy as html jupyter对于copy的优化不够. 特别是离线图片保存起来是不能够显示的. node

jupyter详细教程 http://blog.csdn.net/tina_ttl/article/details/51031113 python

Python·Jupyter Notebook各类使用方法记录·持续更新 git

标签（空格分隔）： Python github

Jupyter notebook )前身为IPython Notebook，学习时，能够找二者的教程 web

1、 Jupyter NoteBook的安装 sql

1.1 新版本Anaconda自带Jupyter shell

目前，最新版本的Anaconda是自带Jupyter NoteBook的，不须要再单独安装

1.2 老版本Anacodna需本身安装Jupyter

Jupyter Notebook安装的官方网站

安装Jupyter Notebook的先决条件：已经安装了python（python 2.7 或者是python3.3）
具体的安装方法：
- 官方建议利用Anaconda安装Jupyter
- 安装完成Anaconda后，若是该Anaconda并不自带Jupyter Noterbook，那么，打开cmd，输入：conda install jupyter
这样安装完的jupyter不具备New a terminal的功能
通过各类查询才知道，原来是由于windows不具备terminal须要的TTY，因此，windows下的jupyter是不支持Terminal模式的，并且短时间内也没有增长这种支持的计划

2、更改Jupyter notebook的工做空间
2.1 Jupyter的工做空间在哪里指定？
在其配置文件ipython_notebook_config.py中，有以下一句
# The directory to use for notebooks and kernels.
# c.NotebookApp.notebook_dir = u''
- 1
- 2
- 3
- 1
- 2
- 3
该句就是用来指定其工做空间的，例如，默认的工做空间是：用户名文件夹，例如，如今想要将工做空间变为D:\Jupyter，那么，须要作以下更改(要记得删掉注释#)
# The directory to use for notebooks and kernels.
c.NotebookApp.notebook_dir = u'D:\Jupyter'
这句话很容易抄错, ''前面是u ,还要去掉#号, 并且你要在本地创建一个文件夹, 若是文件夹不存在也会出错.
- 1
- 2
- 3
- 1
- 2
- 3
注意：路径最后一级后面不要加符号"\"
2.2 如何找到该配置文件？
参考目录C:\Users\Administrator\.jupyter
- 在cmd中输入jupyter notebook --generate-config
- 若是该配置文件已经存在，那么，会出现以下信息,从中能够见到配置文件存在的位置，注意，此时，输入N，不要overwrite
- 若是该配置文件不存在，那么，将会初始化产生一个配置文件
在cmd中输入：ipython profile create
能够找到关于jupyter的配置文件的位置
3、Jupyter的各类快捷键
- 执行当前cell，并自动跳到下一个cell：Shift Enter
- 执行当前cell，执行后不自动调转到下一个cell：Ctrl-Enter
- 是当前的cell进入编辑模式：Enter
- 退出当前cell的编辑模式：Esc
- 删除当前的cell：双D
- 为当前的cell加入line number：单L
- 将当前的cell转化为具备一级标题的maskdown：单1
- 将当前的cell转化为具备二级标题的maskdown：单2
- 将当前的cell转化为具备三级标题的maskdown：单3
- 为一行或者多行添加/取消注释：Crtl /
- 撤销对某个cell的删除：z
- 浏览器的各个Tab之间切换：Crtl PgUp和Crtl PgDn
- 快速跳转到首个cell：Crtl Home
- 快速跳转到最后一个cell：Crtl End
4、Jupyter Notebook如何导入代码
即导入代码到jupyter notebook的cell中
4.1 将本地的.py文件load到jupyter的一个cell中
问题背景：有一个test.py文件，须要将其载入到jupyter的一个cell中
test.py内容以下：
import caffe
SolverName = "/root/workspace"
sovler = caffe.AdamSolver(SolverName)
- 1
- 2
- 3
- 1
- 2
- 3
方法步骤：
（1）在须要导入该段代码的cell中输入
%load test.py #test.py是当前路径下的一个python文件
- 1
- 1
（2）运行该cell
利用快捷键"Shift+Enter"，能够看到以下结果：

（3）能够看到，运行后，%load test.py被自动加入了注释符号#，test.py中的全部代码都被load到了当前的cell中
4.2 从网络load代码到jupyter
- 在cell中输入%load http://.....，而后运行该cell，就会将load后面所对应地址的代码load到当前的cell中；
- 下面给出一个例子，导入matplotlib中的一个小例子 color example code
  - 首先，在想要导入该段代码的cell中输入
    %load test.py #test.py是当前路径下的一个python文件
  - 1
  - 1
  - 而后，Shift+Enter运行，能够看到以下结果：
    
    能够看到，运行后，%load test.py被自动加入了注释符号#，test.py中的全部代码都被load到了当前的cell中
- 5、Jupyter运行python文件
  - 利用jupyter的cell是能够运行python文件的，即在cell中运行以下代码：
  %run file.py
  - 1
  - 1
  file.py为要运行的python程序，结果会显示在该cell中
  
  6、Jupyter一些其余琐碎用法
  6.1 jupyter的cell能够做为unix command使用
  具体方法为：在unitx 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
  6.2 Magic functions
  尚未太明白，具体细节见The cell magics in IPython
  6.3 获取current working directory
  即当前运行的代码所在的路径
  具体方法：current_path = %pwd
  这样获得的current_path就是当前工做路径的字符转
  6.4 使用Matplotlib绘图
  在Jupyter Notebook中，若是使用Matplotlib绘图，有时是弹不出图像框的，此时，能够在开头加入
  %matplotlib inline
  - 1
  - 1
  7、Jupyter中的Markdown
  参考1
  Markdown 语法手册（完整整理版）参考
  7.1 在jupyter中设置link，须要设置两部分：
  - 要跳到的位置(the destination)
    须要在要跳转到的位置添加下面语句:
    <a id='the_destination'></a>
  - 1
  - 1
    这里的id取值任意赋值，下面在添加连接时要用
  - 须要添加连接的文字（an internal hyperlink to the destination），即点击该处能够跳转到the destination，在须要添加连接的文字后面加入：
    [须要添加链接的文字](#the_destination)
  - 1
  - 1
  - 下面是一个例子：
    源码：
    
    效果图：
  7.2 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，能够利用Jupyter notebook extensions去使得这种功能实现
  - 具体方法：
    - 利用Anaconda安装Jupyter Notebook extensions
      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)"
    - 打开一个.jpynb文件，发现，目录功能可用了！
    参考文献
    [1] 为Jupyter Notebook添加目录
    
    顶
    14
    踩
    0
    猜你在找
    Jupyter Notebook的27个秘诀，技巧和快捷键
    文摘供稿
    
    原文连接
    翻译：姜范波
    校对：毛丽 && 寒小阳
    Jupyter Notebook
    Jupyther notebook ,也就是通常说的 Ipython notebook，是一个能够把代码、图像、注释、公式和做图集于一处，从而实现可读性分析的一种灵活的工具。
    Jupyter延伸性很好，支持多种编程语言，能够很轻松地安装在我的电脑或者任何服务器上——只要有ssh或者http接入就能够啦。最棒的一点是，它彻底免费哦。
    
    Jupyter 界面
    默认状况下，Jupyter Notebook 使用Python内核，这就是为何它原名 IPython Notebook。Jupyter notebook是Jupyter项目的产物——Jupyter这个名字是它要服务的三种语言的缩写：Julia，PYThon和R，这个名字与"木星（jupiter）"谐音。本文将介绍27个轻松使用Jupyter的小窍门和技巧。
    1、快捷键
    高手们都知道，快捷键能够节省不少时间。Jupyter在顶部菜单提供了一个快捷键列表：Help > Keyboard Shortcuts 。每次更新Jupyter的时候，必定要看看这个列表，由于不断地有新的快捷键加进来。另一个方法是使用Cmd + Shift + P ( Linux 和 Windows下 Ctrl + Shift + P亦可)调出命令面板。这个对话框可让你经过名称来运行任何命令——当你不知道某个操做的快捷键，或者那个操做没有快捷键的时候尤为有用。这个功能与苹果电脑上的Spotlight搜索很像，一旦开始使用，你会欲罢不能。
    
    几个个人最爱：
    - Esc + F 在代码中查找、替换，忽略输出。
    - Esc + O 在cell和输出结果间切换。
    - 选择多个cell:
      - Shift + J 或 Shift + Down 选择下一个cell。
      - Shift + K 或 Shift + Up 选择上一个cell。
      - 一旦选定cell，能够批量删除/拷贝/剪切/粘贴/运行。当你须要移动notebook的一部分时这个颇有用。
    - Shift + M 合并cell.
    2、变量的完美显示
    有一点已经众所周知。把变量名称或没有定义输出结果的语句放在cell的最后一行，无需print语句，Jupyter也会显示变量值。当使用Pandas DataFrames时这一点尤为有用，由于输出结果为整齐的表格。
    不为人知的是，你能够经过修改内核选项ast_note_interactivity，使得Jupyter对独占一行的全部变量或者语句都自动显示，这样你就能够立刻看到多个语句的运行结果了。

In [1]: from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
In [2]: from pydataset import data
quakes = data('quakes')
quakes.head()
quakes.tail()
Out[2]:
lat long depth mag stations
1 -20.42 181.62 562 4.8 41
2 -20.62 181.03 650 4.2 15
3 -26.00 184.10 42 5.4 43
4 -17.97 181.66 626 4.1 19
5 -20.42 181.96 649 4.0 11
Out[2]:
lat long depth mag stations
996 -25.93 179.54 470 4.4 22
997 -12.28 167.06 248 4.7 35
998 -20.13 184.20 244 4.5 34
999 -17.40 187.80 40 4.5 14
1000 -21.59 170.56 165 6.0 119

若是你想在各类情形下（Notebook和Console）Jupyter都一样处理，用下面的几行简单的命令建立文件~/.ipython/profile_default/ipython_config.py便可实现：

c = get_config()
# Run all nodes interactively
c.InteractiveShell.ast_node_interactivity = "all"

3、轻松连接到文档

在Help 菜单下，你能够找到常见库的在线文档连接，包括Numpy，Pandas，Scipy和Matplotlib等。
另外，在库、方法或变量的前面打上?，便可打开相关语法的帮助文档。

In [3]: ?str.replace()

Docstring:

S.replace(old, new[, count]) -> str

Return a copy of S with all occurrences of substring

old replaced by new. If the optional argument count is

given, only the first count occurrences are replaced.

Type: method_descriptor

4、在notebook里做图

在notebook里做图，有多个选择：
- matplotlib （事实标准），可经过%matplotlib inline 激活，详细连接
- %matplotlib notebook 提供交互性操做，但可能会有点慢，由于响应是在服务器端完成的。
- mpld3 提供matplotlib代码的替代性呈现（经过d3），虽然不完整，但很好。
- bokeh 生成可交互图像的更好选择。
- plot.ly 能够生成很是好的图，惋惜是付费服务。

5、 Jupyter Magic命令

上文提到的%matplotlib inline 是Jupyter Magic命令之一。
推荐阅读Jupyter magic命令的相关文档，它必定会对你颇有帮助。下面是我最爱的几个：

6、 Jupyter Magic-%env：设置环境变量

没必要重启jupyter服务器进程，也能够管理notebook的环境变量。有的库（好比theano）使用环境变量来控制其行为，%env是最方便的途径。

In [55]: # Running %env without any arguments

# lists all environment variables

# The line below sets the environment

# variable OMP_NUM_THREADS

%env OMP_NUM_THREADS=4

env: OMP_NUM_THREADS=4

7、Jupyter Magic - %run: 运行python代码

%run 能够运行.py格式的python代码——这是众所周知的。不那么为人知晓的事实是它也能够运行其它的jupyter notebook文件，这一点颇有用。
注意：使用%run 与导入一个python模块是不一样的。

In [56]: # this will execute and show the output from

# all code cells of the specified notebook

%run ./two-histograms.ipynb

8、Jupyter Magic -%load：从外部脚本中插入代码

该操做用外部脚本替换当前cell。可使用你的电脑中的一个文件做为来源，也可使用URL。

In [ ]: # Before Running

%load ./hello_world.py

In [61]: # After Running

# %load ./hello_world.py

if __name__ == "__main__":

print("Hello World!")

Hello World!

9、Jupyter Magic - %store: 在notebook文件之间传递变量

%store 命令能够在两个notebook文件之间传递变量。

In [62]: data = 'this is the string I want to pass to different notebook'

%store data

del data # This has deleted the variable

Stored 'data' (str)

如今，在一个新的notebook文档里……

In [1]: %store -r data

print(data)

this is the string I want to pass to different notebook

10、Jupyter Magic - %who: 列出全部的全局变量

不加任何参数， %who 命令能够列出全部的全局变量。加上参数 str 将只列出字符串型的全局变量。

In [1]: one = "for the money"

two = "for the show"

three = "to get ready now go cat go"

%who str

one three two

11、Jupyter Magic – 计时

有两种用于计时的jupyter magic命令： %%time 和 %timeit.当你有一些很耗时的代码，想要查清楚问题出在哪时，这两个命令很是给力。
仔细体会下个人描述哦。
%%time 会告诉你cell内代码的单次运行时间信息。

In [4]: %%time

import time

for _ in range(1000):

time.sleep(0.01)# sleep for 0.01 seconds

CPU times: user 21.5 ms, sys: 14.8 ms, total: 36.3 ms

Wall time: 11.6 s

%%timeit 使用了Python的 timeit 模块，该模块运行某语句100，000次（默认值），而后提供最快的3次的平均值做为结果。

In [3]: import numpy

%timeit numpy.random.normal(size=100)

The slowest run took 7.29 times longer than the fastest. This could mean that an intermediate result is being cached.

100000 loops, best of 3: 5.5 µs per loop

12、Jupyter Magic - %%writefile and %pycat:导出cell内容/显示外部脚本的内容

使用%%writefile magic能够保存cell的内容到外部文件。而%pycat功能相反，把外部文件语法高亮显示（以弹出窗方式）。

In [7]: %%writefile pythoncode.py

import numpy

def append_if_not_exists(arr, x):

if x not in arr:

arr.append(x)

def some_useless_slow_function():

arr = list()

for i in range(10000):

x = numpy.random.randint(0, 10000)

append_if_not_exists(arr, x)

Writing pythoncode.py

In [8]: %pycat pythoncode.py

import numpy

def append_if_not_exists(arr, x):

if x not in arr:

arr.append(x)

def some_useless_slow_function():

arr = list()

for i in range(10000):

x = numpy.random.randint(0, 10000)

append_if_not_exists(arr, x)

13、Jupyter Magic - %prun: 告诉你程序中每一个函数消耗的时间

使用%prun+函数声明会给你一个按顺序排列的表格，显示每一个内部函数的耗时状况，每次调用函数的耗时状况，以及累计耗时。

In [47]: %prun some_useless_slow_function()

26324 function calls in 0.556 seconds

Ordered by: internal time

ncalls tottime percall cumtime percall filename:lineno(function)

10000 0.527 0.000 0.528 0.000 <ipython-input-46-b52343f1a2d5>:2(append_if_not_exists)

10000 0.022 0.000 0.022 0.000 {method 'randint' of 'mtrand.RandomState' objects}

1 0.006 0.006 0.556 0.556 <ipython-input-46-b52343f1a2d5>:6(some_useless_slow_function)

6320 0.001 0.000 0.001 0.000 {method 'append' of 'list' objects}

1 0.000 0.000 0.556 0.556 <string>:1(<module>)

1 0.000 0.000 0.556 0.556 {built-in method exec}

1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}

14、Jupyter Magic –用%pdb调试程序

Jupyter 有本身的调试界面The Python Debugger (pdb)，使得进入函数内部检查错误成为可能。
Pdb中可以使用的命令见连接

In [ ]: %pdb

def pick_and_take():

picked = numpy.random.randint(0, 1000)

raise NotImplementedError()

pick_and_take()

Automatic pdb calling has been turned ON

---------------------------------------------------------------------------

NotImplementedError Traceback (most recent call last)

<ipython-input-24-0f6b26649b2e> in <module>()

5 raise NotImplementedError()

----> 7 pick_and_take()

<ipython-input-24-0f6b26649b2e> in pick_and_take()

3 def pick_and_take():

4 picked = numpy.random.randint(0, 1000)

----> 5 raise NotImplementedError()

7 pick_and_take()

NotImplementedError:

> <ipython-input-24-0f6b26649b2e>(5)pick_and_take()

3 def pick_and_take():

4 picked = numpy.random.randint(0, 1000)

----> 5 raise NotImplementedError()

7 pick_and_take()

ipdb>

15、末句函数不输出

有时候不让末句的函数输出结果比较方便，好比在做图的时候，此时，只需在该函数末尾加上一个分号便可。

In [4]: %matplotlib inline

from matplotlib import pyplot as plt

import numpy

x = numpy.linspace(0, 1, 1000)**1.5

In [5]: # Here you get the output of the function

plt.hist(x)

Out[5]:

(array([ 216., 126., 106., 95., 87., 81., 77., 73., 71., 68.]),

array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1. ]),

<a list of 10 Patch objects>)

In [6]: # By adding a semicolon at the end, the output is suppressed.

plt.hist(x);

16、运行Shell命令

在notebook内部运行shell命令很简单，这样你就能够看到你的工做文件夹里有哪些数据集。

In [7]: !ls *.csv

nba_2016.csv titanic.csv

pixar_movies.csv whitehouse_employees.csv

17、用LaTex 写公式

当你在一个Markdown单元格里写LaTex时，它将用MathJax呈现公式：如
$$ P(A \mid B) = \frac{P(B \mid A) , P(A)}{P(B)} $$

会变成

18、在notebook内用不一样的内核运行代码

若是你想要，其实能够把不一样内核的代码结合到一个notebook里运行。
只需在每一个单元格的起始，用Jupyter magics调用kernal的名称：

%%bash
%%HTML
%%python2
%%python3
%%ruby
%%perl
In [6]: %%bash
for i in {1..5}
do
echo "i is $i"
done

i is 1

i is 2

i is 3

i is 4

i is 5

19、给Jupyter安装其余的内核

Jupyter的优良性能之一是能够运行不一样语言的内核。下面以运行R内核为例说明：

简单的方法：经过Anaconda安装R内核

conda install -c r r-essentials

稍微麻烦的方法：手动安装R内核

若是你不是用Anaconda，过程会有点复杂，首先，你须要从CRAN安装R。
以后，启动R控制台，运行下面的语句：

install.packages(c('repr', 'IRdisplay', 'crayon', 'pbdZMQ', 'devtools'))

devtools::install_github('IRkernel/IRkernel')

IRkernel::installspec() # to register the kernel in the current R installation

20、在同一个notebook里运行R和Python

要这么作，最好的方法事安装rpy2（须要一个能够工做的R），用pip操做很简单：
pip install rpy2
而后，就能够同时使用两种语言了，甚至变量也能够在两者之间公用：

In [1]: %load_ext rpy2.ipython

In [2]: %R require(ggplot2)

Out[2]: array([1], dtype=int32)

In [3]: import pandas as pd

df = pd.DataFrame({

'Letter': ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],

'X': [4, 3, 5, 2, 1, 7, 7, 5, 9],

'Y': [0, 4, 3, 6, 7, 10, 11, 9, 13],

'Z': [1, 2, 3, 1, 2, 3, 1, 2, 3]

})

In [4]: %%R -i df

ggplot(data = df) + geom_point(aes(x = X, y= Y, color = Letter, size = Z))

21、用其余语言写函数

有时候numpy的速度有点慢，我想写一些更快的代码。
原则上，你能够在动态库里编译函数，用python来封装…
可是若是这个无聊的过程不用本身干，岂不更好？
你能够在cython或fortran里写函数，而后在python代码里直接调用。
首先，你要先安装：

!pip install cython fortran-magic

In [ ]: %load_ext Cython

In [ ]: %%cython

def myltiply_by_2(float x):

return 2.0 * x

In [ ]: myltiply_by_2(23.)

我我的比较喜欢用Fortran，它在写数值计算函数时十分方便。更多的细节在这里。

In [ ]: %load_ext fortranmagic

In [ ]: %%fortran

subroutine compute_fortran(x, y, z)

real, intent(in) :: x(:), y(:)

real, intent(out) :: z(size(x, 1))

z = sin(x + y)

end subroutine compute_fortran

In [ ]: compute_fortran([1, 2, 3], [4, 5, 6])

还有一些别的跳转系统能够加速python 代码。更多的例子见连接：

22、支持多指针

Jupyter支持多个指针同步编辑，相似Sublime Text编辑器。按下Alt键并拖拽鼠标便可实现。

23、Jupyter外接拓展

Jupyter-contrib extensions是一些给予Jupyter更多更能的延伸程序，包括jupyter spell-checker和code-formatter之类.
下面的命令安装这些延伸程序，同时也安装一个菜单形式的配置器，能够从Jupyter的主屏幕浏览和激活延伸程序。

!pip install https://github.com/ipython-contrib/jupyter_contrib_nbextensions/tarball/master

!pip install jupyter_nbextensions_configurator

!jupyter contrib nbextension install --user

!jupyter nbextensions_configurator enable --user

24、从Jupyter notebook建立演示稿

Damian Avila的RISE容许你从已有的notebook建立一个powerpoint形式的演示稿。
你能够用conda来安装RISE：

conda install -c damianavila82 rise

或者用pip安装：

pip install RISE

而后运行下面的代码来安装和激活延伸程序：

jupyter-nbextension install rise --py --sys-prefix

jupyter-nbextension enable rise --py --sys-prefix

25、Jupyter输出系统

Notebook自己以HTML的形式显示，单元格输出也能够是HTML形式的，因此你能够输出任何东西：视频/音频/图像。
这个例子是浏览我全部的图片，并显示前五张图的缩略图。

In [12]: import os

from IPython.display import display, Image

names = [f for f in os.listdir('../images/ml_demonstrations/') if f.endswith('.png')]

for name in names[:5]:

display(Image('../images/ml_demonstrations/' + name, width=100))

咱们也能够用bash命令建立一个相同的列表，由于magics和bash运行函数后返回的是python 变量：

In [10]: names = !ls ../images/ml_demonstrations/*.png

names[:5]

Out[10]: ['../images/ml_demonstrations/colah_embeddings.png',

'../images/ml_demonstrations/convnetjs.png',

'../images/ml_demonstrations/decision_tree.png',

'../images/ml_demonstrations/decision_tree_in_course.png',

'../images/ml_demonstrations/dream_mnist.png']

26、大数据分析

不少方案能够解决查询/处理大数据的问题：

ipyparallel（以前叫 ipython cluster）是一个在python中进行简单的map-reduce运算的良好选择。咱们在rep中使用它来并行训练不少机器学习模型。
pyspark
spark-sql magic %%sql

27、分享notebook

分享notebook最方便的方法是使用notebook文件（.ipynb），可是对那些不使用notebook的人，你还有这些选择：

经过File > Download as > HTML 菜单转换到html文件。
用gists或者github分享你的notebook文件。这两个均可以呈现notebook，示例见连接
若是你把本身的notebook文件上传到github的仓库，可使用很便利的Mybinder服务，容许另外一我的进行半个小时的Jupyter交互链接到你的仓库。
用jupyterhub创建你本身的系统，这样你在组织微型课堂或者工做坊，无暇顾及学生们的机器时就很是便捷了。
将你的notebook存储在像dropbox这样的网站上，而后把连接放在nbviewer，nbviewer能够呈现任意来源的notebook。
用菜单File > Download as > PDF 保存notebook为PDF文件。若是你选择本方法，我强烈建议你读一读Julius Schulz的文章
用Pelican从你的notebook建立一篇博客。
https://www.zybuluo.com/hanxiaoyang/note/534296