3-JupyterLab

概述

JupyterLab 是一个高度可扩展、功能丰富的计算笔记本创作应用程序和编辑环境，它是Jupyter 项目的一部分。

JupyterLab 是Jupyter 项目旗下其他计算笔记本创作应用程序的姊妹产品，例如 Jupyter Notebook和 Jupyter Desktop。与 Jupyter Notebook 相比，JupyterLab 提供了更先进、功能更丰富、可定制的体验。

计算笔记本是一种可共享的文档，它融合了计算机代码、纯语言描述、数据、丰富的可视化效果（例如 3D 模型、图表、图形和数字）以及交互式控件。计算笔记本与 JupyterLab 等编辑器配合使用，提供了一个快速的交互式环境，可用于原型设计和解释代码、探索和可视化数据以及与他人分享想法。

注意，本文的jupyter是通过anaconda进行打包安装的，如果对anaconda没有任何了解，请先，阅读《Anaconda：环境和包管理》

启动jupyterLab

1.开始菜单启动

安装了Anaconda之后发现开始菜单有jupyter notebook的快捷方式，但是没有jupyterLab的快捷方式；

在《科学计算开发工具：Jupyter Notebook、JupyterLab、VS Code + Jupyter 插件如何选择？》一文我讲到过：JupyterLab和vescode+插件才是今后作为科学计算研究工具的首选，那么如何才能在开始菜单打开JupyterLab呢？

为什么 Anaconda 未自动集成 JupyterLab 到开始菜单？

历史原因：Anaconda 默认将 Jupyter Notebook 作为经典工具集成到开始菜单，但 JupyterLab 作为新一代工具，可能未被包含在默认安装脚本中。
手动操作需求：需要手动创建快捷方式或通过其他方式快速启动。

手动创建 JupyterLab 快捷方式到开始菜单

步骤 1：找到 JupyterLab 的可执行文件路径

通过 Anaconda Prompt 查找路径：

# 激活 base 环境（如果尚未激活）
conda activate base

# 查找 jupyter-lab.exe 的路径
where jupyter-lab

输出示例：

(base) C:\Users\luzhanshi>where jupyter-lab
D:\install\tools\Anaconda312\Scripts\jupyter-lab.exe
C:\Users\luzhanshi\AppData\Local\Programs\Python\Python313\Scripts\jupyter-lab.exe

步骤 2：创建桌面快捷方式

右键点击桌面 → 新建 → 快捷方式。
输入目标位置（上一步找到的路径）：
命名快捷方式（如 JupyterLab）。

步骤 3：将快捷方式固定到开始菜单

右键点击桌面上的 JupyterLab 快捷方式 → 固定到“开始”菜单。
在开始菜单的“最近添加”或自定义文件夹中找到它。

2.直接通过命令启动

Win + R 快速启动：
按 Win + R，输入以下命令后回车：

jupyter-lab

需确保 Conda 的 Scripts 目录已添加到系统环境变量 Path

3.JupyterLab指定启动环境

方法 1：在目标 Conda 环境中直接启动 JupyterLab

激活目标环境（如 hanlp_env）

conda activate hanlp_env
jupyter lab

此时 JupyterLab 会默认使用当前激活的环境作为内核。

方法 2：为 JupyterLab 添加 Conda 环境内核

如果需要在 JupyterLab 中切换不同的 Conda 环境，可以手动注册环境内核：

步骤 1：安装 ipykernel

在目标 Conda 环境中安装 ipykernel：

conda activate hanlp_env
pip install ipykernel

步骤 2：将环境注册为 Jupyter 内核

python -m ipykernel install --user --name hanlp_env --display-name "HanLP Python"

--name：内核名称（建议与 Conda 环境名一致）。
--display-name：在 JupyterLab 界面中显示的名称。

步骤 3：启动 JupyterLab

jupyter lab

方法 3：使用 nb_conda_kernels 自动识别所有 Conda 环境

在基础环境安装 nb_conda_kernels：

conda activate base
conda install nb_conda_kernels

确保目标环境已安装 ipykernel：

conda activate hanlp_env
pip install ipykernel

启动 JupyterLab：

jupyter lab

所有已安装 ipykernel 的 Conda 环境会自动显示为可用内核。

使用教程

支持的文件格式

jupyterlab几乎支持所有常见的文件格式：

内容界面操作-helloworld

cell操作

什么是cell？
- cell：一对In Out会话被视作一个代码单元，称为cell
- cell行号前的 * ，表示代码正在运行
Jupyter支持两种模式：
- 编辑模式（Enter）
  - 命令模式下回车Enter或鼠标双击cell进入编辑模式
  - 可以操作cell内文本或代码，剪切／复制／粘贴移动等操作
- 命令模式（Esc）
  - 按 Esc 退出编辑，进入命令模式
  - 可以操作cell单元本身进行剪切／复制／粘贴／移动等操作

鼠标操作

快捷键

代码快捷键

两种模式通用快捷键
- Shift+Enter，执行本单元代码，并跳转到下一单元
- Ctrl+Enter，执行本单元代码，留在本单元
- Alt-Enter : 运行本单元，在其下插入新单元
命令模式：按ESC进入
- Y，cell切换到Code模式
- M，cell切换到Markdown模式
- A，在当前cell的上面添加cell
- B，在当前cell的下面添加cell
- C，复制单元格
- V，粘贴单元格
- X，剪切单元格
- 按两次0，重启内核
其他(了解)
- 双击D：删除当前cell
- Z，回退
- Shift+Z，反向回退
- L，为当前cell加上行号
- Ctrl+Shift+P，对话框输入命令直接运行
- Crtl+Home，快速跳转到首个cell
- Crtl+End、快速跳转到最后一个cell
编辑模式：按Enter进入
- 补全代码：变量、方法后跟 Tab键
- 为一行或多行代码添加/取消注释： Ctrl+/ （Mac:CMD+/）
- 复制当前行：Alt+Shift+↓
- 等宽代码选取：Alt+Shif，然后推动鼠标选取目标区域
其他(了解)：
- 多光标操作： Ctrl键点击鼠标（Mac:CMD+点击鼠标）
- 回退： Ctrl+Z （Mac:CMD+Z）

- 重做： Ctrl+Y （Mac:CMD+Y)

显示行号

在Jupyter Lab中显示行号，可以通过以下几种方法实现：

‌通过菜单栏操作‌：

打开Jupyter Lab界面。
在菜单栏中找到“View”（视图）选项。
在下拉菜单中选择“Show Line Numbers”（显示行号）以启用行号显示。

‌使用快捷键‌：

在Jupyter Lab的命令模式下，按下Shift + L快捷键可以切换行号的显示与隐藏。

‌通过配置文件设置默认显示行号‌：

找到Jupyter Lab的配置文件目录。在Windows系统上，路径通常为C:\Users\<Your_Username>\.jupyter；在Mac和Linux系统上，路径通常为/Users/<Your_Username>/.jupyter或/home/<Your_Username>/.jupyter。
在该目录下，找到或创建jupyter_notebook_config.py文件。
打开该文件，并添加以下配置信息来设置默认显示行号：

c = get_config()
c.NotebookApp.default_url = "/lab"
c.NotebookApp.contents_manager_class = "jupyterlab.services.contents.filemanager.FileContentsManager"

保存文件并重新启动Jupyter Lab，新的笔记本将在启动时默认显示行号。

请注意，直接通过代码来控制Jupyter Lab的显示行号功能并不是标准用法，但可以通过修改配置文件来实现更高级的定制选项。如果你对Jupyter Lab的配置文件不太熟悉，建议先在菜单栏或使用快捷键尝试显示行号。

魔法命令

定义：
魔法命令是 Jupyter Notebook/Lab 中特殊的指令，以 % 或 %% 开头，用于扩展交互式编程功能。它们直接由 Jupyter 内核（如 IPython）解释执行，而非 Python 解释器。
特点：
- IPython魔法命令设计用于简洁地解决标准数据分析中的各种常见问题。简化常见操作（如性能测试、文件读写、系统命令调用）。
- 提供更便捷的交互式开发体验。

魔法命令有两种形式：

行魔法（line magic）：以单个%字符作为前缀，作用于单行输入
单元魔法（cell magic）：以两个%%作为前缀，作用于多行输入。注意！！！单元魔法命令必须放在首行！！！（放注释后面也不行！！！）

查看魔法命令

%magic: 输出所有魔法指令帮助文档
%lsmagic：列出所有magics命令 
%quickref：输出所有魔法指令的简单版帮助文档
%MagicName?：输出某个魔法命令详细帮助文档

查看time魔法命令的使用帮助文档:

基础必备命令（最高频使用）

%cd

功能：快速切换工作目录（支持历史记录导航）
示例：

%cd D:/data/jupyter#切换目录
%cd ~/projects      # 切换目录
%cd -               # 返回上一个目录
%cd -b bookmark     # 跳转到书签目录

%run

功能：执行外部Python脚本

示例：

%run myscript.py arg1 arg2  # 带参数执行脚本
%run -t script.py          # 显示执行时间
# 注意%run和%load使用指定路径时，不可以使用r'',的形式，所以为了避免特殊字符影响，建议使用“/”而非“\”
%run D:/data/jupyter/JuputerLab/test.py
%run D:\data\jupyter\JuputerLab\test.py

%cd D:/data/jupyter/JuputerLab
%run test.py

%load

功能：将外部代码加载到当前单元格

示例：

%load myscript.py          # 加载整个文件
%load -r 5-10 myscript.py  # 加载指定行

%load D:\data\jupyter\JuputerLab\test.py

%who/%whos

功能：查看当前命名空间中的变量

示例：

%who            # 列出所有变量
%whos int       # 仅显示整数变量

%store

功能：跨会话保存变量

示例：

%store var      # 保存变量
%store -r var   # 下次会话恢复变量

调试与性能分析（核心调试工具）

%debug

- 功能：进入交互式调试器（支持事后调试）

示例：

# 出现异常后立即执行
%debug

%timeit

功能：精确测量代码执行时间（计算接下来一行的Python语句多次执行后的平均时间）

示例：

%timeit L = [n ** 2 for n in range(100000)]
%timeit sum(range(1000))  # 单行测量

%%timeit                  # 多行测量.............注意！！！%%命令必须放在cell首行！！！！
x = np.random.rand(100)
x**2

%time：计算接下来一行的Python语句的执行时间

%prun

功能：代码性能分析器
示例：

%prun my_function()  # 函数级性能分析

%pdb

功能：自动进入调试模式

配置：

%pdb on  # 开启自动调试

根据官方文档整理的IPython魔法命令教程（按使用频率和重要性排序）：

环境与配置（重要设置项）

%matplotlib

功能：设置matplotlib后端

示例：

%matplotlib inline                     # 在 Notebook 内显示 Matplotlib 图表
%matplotlib tk                     # 在 Notebook 外以GUI方式单独显示 Matplotlib 图表
%matplotlib qt       # 使用Qt窗口显示

%config

功能：动态配置IPython

示例：

%config ZMQInteractiveShell.ast_node_interactivity='all'  # 显示多个输出

%env

功能：环境变量管理

示例：

%env OMP_NUM_THREADS=4  # 设置环境变量

文件与代码管理（常用操作）

%%writefile

功能：将单元格内容写入文件

示例：

%%writefile script.py
print("Hello World")

%pycat

功能：带语法高亮查看文件

示例：

%pycat myscript.py

%edit

功能：用外部编辑器编辑代码

示例：

%edit 1-5           # 编辑历史记录中的代码
%edit my_function    # 编辑函数定义

交互增强功能（特色功能）

%%html

- 功能：渲染富文本内容

示例：

%%html
<h1 style="color:red">标题</h1>

%%latex：写Latex公式

%%latex
\begin{equation}
  \int_0^\infty \frac{x^3}{e^x-1}\,dx = \frac{\pi^4}{15}
  \label{eq:sample}
\end{equation}

%%script ：写bash、perl、javascript、js 等命令

%%bash                               # 执行 Bash 脚本
echo "Hello World"
ls -l
ls -l | head

运行 SQL 查询

%load_ext sql
%sql sqlite:///mydb.db
%%sql
SELECT * FROM users;

%history：获取此前所有的输入历史

%xmode：设置异常模式，即当代码有异常时，出错信息的输出方式，可以设置Plain、Context、Verbose和Minimal四种模式

%pip：在cell中使用pip指令

%automagic：如果automagic被打开，魔法命令可以省略前面的 % 符号

shell相关魔法命令

%cd、%cat、%cp、%env、%ls、%man、%mkdir、%more、%mv、%pwd、%rm、%rmdir、…

注意：魔法方法提供了部分shell命令的功能，另外，我们也可以通过!cmd命令的方式运行相关shell命令。但要注意它们的区别：

!开一个新的progress，执行完之后立即终止。如果执行的命令是切换目录，则不会对当前进程产生影响。

%的操作会持续。如果使用%cd切换目录后，直接影响是当前进程。

使用“!”执行shell命令

当你正在使用Python编译器，需要用到命令行工具的时候，麻烦的事情就出现了：要在shell和IDLE之间进行切换。

但是，如果你用的是Jupyter，就完全不用这么麻烦，你可以直接在命令之前加一个!，就能执行shell命令，完全不用来回切换，就能在Jupyter中执行任何命令。

下面是在windows系统中，使用命令dir查看当前目前的文件内容

比如我们需要使用pip安装包的时候，便可以直接在JupyterLab的某个文档的单元中运行!pip install xxxx即可。

！和%执行shell命令区别

`!dir`（系统命令）

特点：

直接调用操作系统命令
输出格式与命令行完全一致
不支持跨平台（Windows用dir，Linux/Mac用ls）

`%ls`/`%ldir`（魔法命令）

特点：

提供彩色高亮显示
支持Unix风格参数（如-l、-h）
跨平台兼容（Windows/Linux/Mac表现一致）

核心区别对比

特性	`!`前缀命令（如`!ls`）	魔法命令（如`%ls`）
本质	直接调用操作系统的Shell命令	IPython内置的增强命令
输出格式	原生Shell输出（纯文本）	格式化输出（如彩色高亮、对齐）
跨平台兼容性	依赖系统命令（如Windows用`!dir`，Linux用`!ls`）	跨平台统一行为（如`%ls`在Windows/Linux表现一致）
参数支持	支持原生Shell参数（如`!ls -l`）	支持类Unix参数（如`%ls -l`）
返回值处理	返回字符串（可通过`output = !ls`捕获）	返回结构化对象（如文件列表）
执行速度	较慢（需启动子进程）	较快（直接在Python进程内处理）
资源消耗	较高（每次调用均需创建新进程）	较低（无额外进程开销）

常见问题

(1) 魔法命令是 Python 语法吗？

不是，它们是 Jupyter/IPython 的扩展功能，仅在其环境中生效。若将代码复制到普通 Python 脚本中运行会报错。

(2) 是否需要安装额外依赖？

大部分魔法命令是内置的（如 %timeit），但某些命令依赖特定包：
- %sql 需要安装 ipython-sql。
- %pip 需要 IPython 7+ 版本。

(3) 如何自定义魔法命令？

通过 IPython API 创建自定义魔法命令（参考官方文档）。

(4）魔法命令是官方的吗？

官方支持：
魔法命令是 Jupyter 内核（如 IPython）的官方功能，自 IPython 时代就已存在，并持续维护至今。
扩展性：
用户或第三方库（如 ipywidgets）可以自定义魔法命令，但这些扩展需明确安装。

总结

类别	常见命令示例	用途
性能分析	`%time`, `%timeit`, `%prun`	测量代码执行时间、性能剖析。
文件操作	`%save`, `%load`, `%pycat`	保存/加载代码、显示文件内容。
系统交互	`%ls`, `%cd`, `%pip`	执行 Shell 命令、管理包依赖。
调试与诊断	`%debug`, `%pdb`	进入调试模式、检查变量。
多语言支持	`%%bash`, `%%HTML`	运行其他语言代码（如 Bash、HTML、SQL）。
可视化	`%matplotlib inline`	嵌入图表或调整渲染方式。

插件

Jupyter让很多人喜欢的原因在于它提供了丰富的插件，包括显示代码执行时间、生成目录、显示变量名、代码块折叠等各种让你舒适的功能。（插件丰富，非常像Vs code）

JupyterLab 的插件机制：

自 Jupyter Notebook 开始，Jupyter 社区就一直在营造第三方插件体系。得益于 JupyterLab 更现代的操作界面和功能范围，仅在 JupyterLab 中展示的已上架插件就有近 250 款。这些插件中，有些插件用于增强编码能力，如代码补全、定义跳转等；有些则增强了与其它文件、服务的集成能力，比如 Excel 文件查看，数据库连接查看、Git 服务支持等；还有一些，则会增强 JupyterLab 的展示和交互，比如界面主题，代码高亮，数据可视化等。

相较于 Jupyter Notebook 的第三方插件管理器，JupyterLab 已经正式推出了官方的插件管理模块。具有极强的扩展性，丰富的插件显著提升编码体验，大大提高工作效率。

1. 准备工作

在进行JupyterLab插件安装之前，需要安装node.js 和 npm，可运行如下命令进行安装。

依赖 Node.js：安装插件前需确保已安装 Node.js（≥12.0）：

#方法1：
!pip install nodejs npm -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 Node.js方法2：（以 conda 为例）
conda install -c conda-forge nodejs

注意，命令前面加!是因为在jupyterlab中运行的，如果在终端运行的安装命令，去掉!

镜像加速：使用国内 npm 镜像加速安装：

npm config set registry https://registry.npmmirror.com

2. 插件的安装

注意：插件安装建议统一使用一种方式安装和管理，例如使用conda或者pip，避免混合使用！

JupyterLab 插件管理方式：综合对比与最佳实践

在管理 JupyterLab 插件时，您有多种选择：conda、pip、jupyter 命令和 JupyterLab 界面。以下是详细对比和专业建议：

管理方式全面对比

特性	Conda	Pip	Jupyter 命令	JupyterLab 界面
兼容性	★★★★★ 最佳	★★★★☆ 良好	★★☆☆☆ 较差	★★★★☆ 良好
依赖管理	完整系统依赖	Python依赖	NodeJS依赖	依赖后端安装方式
版本控制	严格版本控制	语义化版本	不完善	依赖后端
环境隔离	完全隔离	依赖virtualenv	无隔离	依赖环境
安装复杂度	简单	简单	复杂（需NodeJS）	最简单
恢复能力	完全可复制	可复制	难复制	难复制
推荐指数	★★★★★	★★★★☆	★★☆☆☆	★★★★☆

详细推荐指南

1. 首选：使用 Conda（强烈推荐）

适用场景：Anaconda/Miniconda 用户、科学计算环境、需要系统级依赖管理的场景

# 安装插件
conda install -c conda-forge jupyterlab-plotly

# 卸载插件
conda uninstall jupyterlab-plotly

# 列出插件
#linux
conda list | grep jupyterlab
#win
conda list | findstr jupyterlab

最佳实践：

# 创建新环境（可选但推荐）
conda create -n jupyter-env python=3.10

# 激活环境
conda activate jupyter-env

# 安装核心组件
conda install -c conda-forge jupyterlab
#或者使用mamba（速度快）
mamba install jupyterlab
# 安装插件
conda install -c conda-forge jupyterlab-git jupyterlab-lsp 
#或者使用mamba（速度快）
mamba install jupyterlab-git jupyterlab-lsp 
#最后使用pip安装所有lsp组件包
pip install "python-lsp-server[all]"

'''
-c：是 conda install 的选项，意为指定通道（channel） ，告诉 conda 从哪里找要安装的包。
conda-forge：是社区驱动的 conda 包仓库，包含大量官方默认通道没有、或更新更及时的包，像很多科学计算、数据分析相关工具，常能在这找到。
'''
##用 conda 管理 JupyterLab 及其插件（二进制依赖多，conda 更稳定）；
##用 pip 安装纯 Python 的 LSP 服务器及其扩展（简单高效，避免 conda 解析慢）。

2. 次选：使用 Pip

适用场景：纯 Python 环境、Docker 容器、不需要系统依赖的插件

# 创建虚拟环境（推荐）
python -m venv jupyter-venv
source jupyter-venv/bin/activate  # Linux/macOS
# 或
jupyter-venv\Scripts\activate    # Windows

# 安装核心组件
pip install jupyterlab

# 安装插件
pip install jupyterlab-plotly jupyterlab-git jupyterlab-lsp "python-lsp-server[all]"

# 卸载插件
pip uninstall jupyterlab-plotly

# 列出插件
pip list | grep jupyterlab

优势：

PyPI 有最全的插件库
更快的更新速度
与 virtualenv 无缝集成

界面安装（不推荐，卸载不掉）

进入JupyterLab后，可以在Web上查看已安装组件，搜索安装需要的插件

注意事项：

实际是通过 pip 或 conda 安装在后台
需要重启 JupyterLab 才能生效
可能因网络问题安装失败

jupyter命令安装（不推荐）

避免：使用 Jupyter 命令

问题原因：

需要完整的 Node.js 开发环境
构建过程可能失败（C++ 编译问题）
版本冲突常见
管理困难

当然，如果必要，你也可以使用jupyter命令行方式进行插件的查看、安装、更新和删除

为了方便可以直接在jupyter里面创建终端：

查看已安装插件：jupyter labextension list

更新已安装插件：jupyter labextension update --all

安装插件toc：jupyter labextension install @jupyterlab/toc

删除插件toc：jupyter labextension uninstall @jupyterlab/toc

安装/卸载插件后需重启服务：

jupyter lab clean  # 清理旧版本
jupyter lab build  # 重新构建

企业级插件管理

插件清单管理

创建 jupyter_plugins.yaml:

channels:
  - conda-forge
  - defaults

plugins:
  - name: jupyterlab
    version: 4.2.5
    
  - name: jupyterlab-git
    version: 0.42.0
    
  - name: jupyterlab-plotly
    version: 5.24.1

安装脚本

# 根据清单安装
conda install $(awk '/^- name/ {print $2}' jupyter_plugins.yaml)

必装插件推荐

1. 代码增强类

插件名	功能	安装命令
@ryantam626/jupyterlab_code_formatter	代码自动格式化（支持 Black、Prettier）	`pip install jupyterlab_code_formatter` `jupyter labextension install @ryantam626/jupyterlab_code_formatter`
@jupyterlab/debugger	集成调试器（需内核支持）	`pip install xeus-python` `jupyter labextension install @jupyterlab/debugger`
@krassowski/jupyterlab-lsp	代码智能补全 + 定义跳转	`pip install jupyterlab-lsp` `jupyter labextension install @krassowski/jupyterlab-lsp`

2. 可视化类

插件名	功能	安装命令
jupyterlab-drawio	集成 Draw.io 流程图工具	`pip install jupyterlab-drawio` `jupyter labextension install jupyterlab-drawio`
jupyterlab-toc	自动生成文档目录	`pip install jupyterlab_toc` `jupyter labextension install @jupyterlab/toc`
jupyterlab-plotly	增强 Plotly 交互式图表支持	`pip install jupyterlab-plotly` `jupyter labextension install jupyterlab-plotly`

3. 协作与分享

插件名	功能	安装命令
jupyterlab-git	Git 版本控制集成	`pip install jupyterlab-git` `jupyter labextension install @jupyterlab/git`
jupyterlab_onedarkpro	One Dark Pro 主题	`jupyter labextension install @yeebc/jupyterlab_onedarkpro`
jupyterlab-link-share	生成分享链接	`pip install jupyterlab-link-share` `jupyter labextension install jupyterlab-link-share`

4. 效率工具

插件名	功能	安装命令
jupyterlab-system-monitor	实时监控 CPU/内存使用	`pip install jupyterlab-system-monitor` `jupyter labextension install jupyterlab-system-monitor`
jupyterlab-topbar-extension	顶部快捷工具栏	`jupyter labextension install jupyterlab-topbar-extension`
jupyterlab-go-to-definition	快速跳转到变量/函数定义	`jupyter labextension install @krassowski/jupyterlab_go_to_definition`

以下是 JupyterLab 常用插件及其安装方式，可大幅提升开发效率：

常用插件组合推荐

1. 数据分析师

jupyterlab-lsp（代码补全）
jupyterlab-system-monitor（资源监控）
jupyterlab-toc（文档导航）

2. 机器学习工程师

@jupyterlab/debugger（调试）
jupyterlab-plotly（可视化）
jupyterlab-git（版本控制）

3. 教育/团队协作

jupyterlab-link-share（分享链接）
jupyterlab-drawio（流程图）
@ryantam626/jupyterlab_code_formatter（代码规范）

通过安装这些插件，可将 JupyterLab 打造成高效的全能开发环境！

markdown演示

作用：用作代码说明（标题）、模块划分

关于markdown的功能，非常多：标题，缩进，插入表格，插入图片等等。。。。

在这里我们掌握标题和缩进即可：

标题

在markdown模式下，标题使用“#”来表示，几个井号就代表几级标题，注意！井号后面要跟一个空格，否则markdowm将其无法识别为标题

最多支持六级标题！！！

缩进

在markdown模式下，缩进使用减号“-”来表示：

其他语法

# 学习jupyterlab——markedown
## 字体
*斜体*
**加粗**
## 列表
### 有序列表
1. 数字列表
2. 列表
3. 测试
### 无序列表
- 一级列表
  - 二级
   - 三级
## 分割线：三条杠
---
## 标记为代码
### 行内代码，使用``包裹代码
下面是演示代码` print('hello')`
### 大代码块，使用```包裹代码:
这是一段很长的代码：
```
import numpty as np
arr=np.array(['1','2','3'])
print(arr)

```
## 方程式
<!--标准 Markdown 不支持 LaTeX：原生 Markdown 无法直接渲染数学公式，需依赖扩展（如 LaTeX 或 MathJax）。  -->
行内公式：用 单个 $ 包裹（需解析器支持）
 $ x^2 $ 表示x平方
块级公式：用 两个 $$  包裹
这是独立公式：
$$
x^2 + y^2 = z^2
$$
## url
输入网站链接会自动生成链接：https://www.baidu.com/

创建自定义链接：[link](https://www.baidu.com/)

## 块引用
块引用符号 > 用于在 Markdown 中标识引用文本内容（如引用他人观点、注释或强调内容），渲染后通常显示为带有左侧竖线或缩进的特殊格式。
单行块引用：在段落前加 >
> 这是一个单行块引用。

多行块引用：每行前加 >，或仅首行加 >
>这是第一行块引用，
>
> 这是第二行。
第三行不加>也行
>
多级嵌套引用
通过叠加 > 实现层级嵌套：
> 一级块引用。
>> 二级嵌套块引用。
>>> 三级嵌套块引用。

## 插入图片
<img src="./img/5.png" style="width:350px;height:230px;float:left">

六、远程访问

如果你有一台云服务器，是不是很想在服务器上配置好环境，在任何地方都可以通过浏览器进行访问使用呢？

考虑到服务器一般使用Linux，这里将以ubuntu为例，介绍如何配置远程访问方式，前提是服务器上已经安装好了JupyterLab。（如果是windows，亦是如此操作）：

1. 生成配置文件

jupyter lab --generate-config

运行上面的命令后，会生成jupyter的配置文件，比如这里生成的配置文件为：/home/xiaobai/.jupyter/jupyter_notebook_config.py

2. 生成访问密码

运行如下代码，并输出访问Jupyter时密码，生成sha1加密密码

from jupyter_server.auth import passwd
passwd()

这里输入的密码是lab123，对应生成的sha1加密密码为：sha1:adbe516d2745:aae3a189602f2078a323c71b413fee063226f7ba

注意：

在旧版本的JupyterLab中，passwd导入方式改为：from notebook.auth import passwd
输入密码时光标不会跳，千万不要以为没输入成功。

3. 修改配置文件

在上面命令生成的配置文件末尾添加如下内容，上面的配置文件是

c.ServerApp.ip = '0.0.0.0'             #设为0.0.0.1，将绑定所有地址，即所有IP地址都可以访问
c.ServerApp.password = u'sha1:adbe516d2745:aae3a189602f2078a323c71b413fee063226f7ba'
c.ServerApp.open_browser = False     #启动后是否在浏览器中自动打开
c.ServerApp.port = 8888               #指定一个访问端口80，默认8888
c.ServerApp.allow_root = False          #允许root用户开启
c.ServerApp.notebook_dir = "/home/xiaobai/ipython"    #设置工作的文档目录

注意：

在JupyterLab的旧版本中，将c的设置项从ServerApp改为NotebookApp

allow_root：如果用root 用户启动 jupyter lab时，必须将其设置为True。实际上不建议使用 root 启动，因为这样可能在浏览器端 cmd 窗口直接暴露 root 权限

password: 这里的密码是在第2步骤中生成的sha1加密版的密码。

port: 示例中设置的 8888 端口

应该是一个未被占用的端口，如果设置的端口被已经被占用，会依次尝试后面的端口，比如8889。
是一个被防火墙允许的端口，如果是阿里云、腾讯云等服务器需要在官网修改安全策略。
notebook_dir:

设置的是工作的文档目录，需要自行选择并创建（否则运行时会报错）
mkdir /home/xiaobai/ipython

4. 启动JupyterLab服务为后台进程

nohup jupyter lab &

指尖下的世界

今日事今日毕,今日无事早休息.