摘要： 對於任何想要學習程式設計語言的小夥伴來說， 選擇程式設計的工具是非常重要的。 在程式設計工具和Python庫中的連接中， 一直是一個讓很多人頭疼的問題。
對於使用Jupyter notebook的戶來說， 你會經常遇到下面的問題：
我安裝了套裝軟體X， 現在我無法將其導入到notebook中。 幫幫我！
這個問題幾乎是所有初學者第一個攔路虎， 任何語言都是如此。 今天我們就來說說Jupyter notebook如何解決這類問題。
從根本上來說， 這個問題的根是Jupyter內核與Jupyter的shell分離的事實， 換句話說， 安裝程式與筆記本中預設使用的是不同的Python版本。 在最簡單的情況下，
在瞭解了一些線上（A， B）和一些關於這個話題的討論， 我決定在這裡深入討論這個問題。 這篇文章將解決一些事情：
·首先， 我為一般問題提供一個快速， 簡單的答案， 例如我如何安裝一個Python包， 以便使用pip或conda與我的jupyter筆記本一起工作。
·其次， 我將深入到Jupyter筆記本抽象是幹什麼的， 如何將其與作業系統的複雜交互簡單化。
·第三， 我將討論一些我在社區的想法， 其中包括Jupyter， Pip和Conda開發人員可能考慮的一些變化， 以減輕用戶的認知負擔。
本文將重點介紹兩種安裝Python套裝軟體的方法：pip和conda。
1.如何在Jupyter中安裝套裝軟體
Pip和conda
對於許多用戶來說，
Pip可以在任何環境下安裝python套裝軟體。
conda在conda環境中安裝任何套裝軟體。
·如果您使用Anaconda conda安裝Python ， 則使用安裝Python套裝軟體。 如果conda告訴你所需的套裝軟體不存在， 那麼你必須使用pip。
即使你在短期內可以解決問題， 也可能會出現長期的問題。 例如， 如果pip install給你一個許可權錯誤， 這可能意味著你正在試圖在系統中安裝/更新python套裝軟體， 比如/usr/bin/python。 這樣做會產生不好的後果， 因為作業系統本身通常依賴於Python安裝中的特定版本。 對於Python的日常使用， 你應該使用虛擬環境或Anaconda把你的套裝軟體與系統Python隔離。
1.1：如何使用Conda在Jupyter中
如果您使用的是jupyter， 並且想要使用conda安裝套裝軟體， 則可能會使用!記號直接從Jupyter上運行conda作為shell命令：
我將在下面更全面地概述， 如果您想從當前的jupyter中使用這些已安裝的套裝軟體。
這是一個在一般情況下出現的對話：
# Install a conda package in the current Jupyter kernel import sys !conda install --yes --prefix {sys.prefix} numpy Fetching package metadata ........... Solving package specifications: . # All requested packages already installed. # packages in environment at /Users/jakevdp/anaconda: # numpy 1.13.3 py36h2cdce51_0這個方法使得conda在當前運行的Jupyter內核中安裝套裝軟體。
1.2：如何使用pip在Jupyter中
如果您使用的是Jupyter， 並想安裝一個套裝軟體pip， 您可能會傾向於直接運行pip：
# DON'T DO THIS !pip install numpy Requirement already satisfied: numpy in /Users/jakevdp/anaconda/envs/python3.6/lib/python3.6/site-packages如果您想從當前的jupyter中使用這些已安裝的套裝軟體。
# Install a pip package in the current Jupyter kernel import sys !{sys.executable} -m pip install numpy Requirement already satisfied: numpy in /Users/jakevdp/anaconda/lib/python3.6/s如果你想要在Jupyter中直接使用， 指令應該是：
$ python -m pip install而不是：
$ pip install因為前者更明確地說明了套裝軟體的安裝位置（下面會詳細介紹）。
2.為什麼Jupyter的安裝如此混亂？
上述的方案應該在所有情況下都能正常工作， 但為什麼還需要額外的方法？這是因為在Jupyter中， shell環境和Python可執行檔是斷開的。 想要深入理解理解為什麼，
您的作業系統如何查找可執行程式。
Python如何安裝和查找套裝軟體。
Jupyter如何決定使用哪個Python可執行檔。
注意：下面的討論假設作業系統是Linux， Unix， MacOSX。
2.1您的作業系統如何定位可執行檔？
當您正在使用的終端輸入如下命令python， jupyter， ipython， pip， conda， 你的作業系統包含一個定義良好的機制， 他可以找到可執行檔的名稱。
在Linux和Mac系統上，
系統將首先檢查與命令匹配的別名，
如果失敗，
則引用$PATH
環境變數：
$PATH列出目錄， 按順序， 將搜索任何可執行檔：例如， 如果我python在上面鍵入我的系統$PATH， 它將首先查找/Users/jakevdp/anaconda/envs/python3.6/bin/python， 如果不存在， 它將查找/Users/jakevdp/anaconda/bin/python， 依此類推。
2.2Python如何查找包
Python使用類似的機制來定位導入的包。 Python在導入時搜索的路徑清單位於：
預設情況下， Python查找模組的第一個地方是一個空路徑，
在大多數情況下， 你安裝了Python包pip或conda將被放置在一個名為目錄site-packages。 要認識到的重要一點是每個Python可執行檔都有自己的site-packages。 這意味著當你安裝一個套裝軟體時， 它與特定的python可執行檔相關聯， 並且默認只能用於Python安裝。
我們可以列印sys.path每個可用python可執行檔的變數來看到這一點， 使用Jupyter令人愉快的是將Python和bash命令混合在一個代碼塊中的功能：
paths = !type -a python for path in set(paths): path = path.split()[-1] print(path) !{path} -c "import sys; print(sys.path)" print()這裡的全部細節並不是特別重要， 但是需要強調的是， 每個Python可執行檔都有自己獨特的路徑， 除非您修改sys.path， 否則不能導入安裝在不同Python環境中的套裝軟體。
我將再次強調：Jupyter中的shell環境必須與啟動它的Python版本相匹配。
2.3： Jupyter如何執行代碼：Jupyter內核
下一個相關的問題是Jupyter如何選擇執行Python代碼，這使我們想到了Jupyter內核的概念。
Jupyter內核是指Jupyter在內執行代碼的一系列檔。對於Python內核，這將指向一個特定的Python版本，但Jupyter被設計得更通用：Jupyter有幾十個可用的內核，包括Python 2，Python 3，Julia，R，Ruby，Haskell，甚至C ++和Fortran。
如果您使用Jupyter，則可以隨時使用內核→選擇內核功能表項目來更改內核。
要查看您的系統上可用的內核，可以在shell中運行以下命令：
!jupyter kernelspec list Available kernels: python3 /Users/jakevdp/anaconda/envs/python3.6/lib/python3.6/site-packages/ipykernel/resources conda-root /Users/jakevdp/Library/Jupyter/kernels/conda-root python2.7 /Users/jakevdp/Library/Jupyter/kernels/python2.7 python3.5 /Users/jakevdp/Library/Jupyter/kernels/python3.5 python3.6 /Users/jakevdp/Library/Jupyter/kernels/python3.6這些列出的內核中的每一個都是一個包含名為kernel.json的檔的目錄，其中指定了內核應該使用哪種語言和可執行檔。例如：
!cat /Users/jakevdp/Library/Jupyter/kernels/conda-root/kernel.json { "argv": [ "/Users/jakevdp/anaconda/bin/python", "-m", "ipykernel_launcher", "-f", "{connection_file}" ], "display_name": "python (conda-root)", "language": "python" }如果你想創建一個新的內核，可以使用jupyter ipykernel命令來完成。例如，我使用以下內容作為範本，為我的conda環境創建了上述內核：
$ source activate myenv $ python -m ipykernel install --user --name myenv --display-name "Python (myenv)"3.一些建議
所以，綜上所述，安裝在Jupyter的包是從根本上說Jupyter的shell環境和Python的內核不匹配，這意味著你必須做的不是簡單地多瞭解pip install或conda install做事情的工作。
我有一些想法，其中一些可能是有用的：
3.1：Jupyter 的潛在策略
正如我所提到的，根本問題是Jupyter的shell環境和計算內核之間的不匹配。那麼，我們是否可以按照內核規範來強制二者匹配呢？
也許，這個github問題展示了一種在內核啟動時修改shell變數的方法。
基本上，在你的內核目錄中，你可以添加一個如下所示的腳本kernel-startup.sh（並確保你改變了許可權以便它是可執行的）：
#!/usr/bin/env bash # activate anaconda env source activate myenv # this is the critical part, and should be at the end of your script: exec python -m ipykernel $@3.2新的Jupyter Magic函數
我們可以通過在Jupyter中引入%pip和%conda魔術功能來簡化用戶體驗，從而檢測當前的內核並使某些套裝軟體安裝在正確的位置。
PIP Magic
例如，下面是如何定義一個%pip在當前內核中工作的魔術函數：
from IPython.core.magic import register_line_magic @register_line_magic def pip(args): """Use pip from the current kernel""" from pip import main main(args.split())請注意，Jupyter開發者Matthias Bussonnier已經在他的pip_magic倉庫中發佈了基本的內容，所以你可以做的是：
$ python -m pip install pip_magicConda Magic
同樣，我們可以定義一個conda Magic，如果你輸入的話會做正確的事情%conda install XXX。這比pip Magic更有意義，因為它必須首先確認環境是conda相容的，然後（與缺少有關的python -m conda install）必須調用一個子進程來執行相應的shell命令：
from IPython.core.magic import register_line_magicimport sysimport osfrom subprocess import Popen, PIPEdef is_conda_environment(): """Return True if the current Python executable is in a conda env""" # TODO: make this work with Conda.exe in Windows conda_exec = os.path.join(os.path.dirname(sys.executable), 'conda') conda_history = os.path.join(sys.prefix, 'conda-meta', 'history') return os.path.exists(conda_exec) and os.path.exists(conda_history)@register_line_magicdef conda(args): """Use conda from the current kernel""" # TODO: make this work with Conda.exe in Windows # TODO: fix string encoding to work with Python 2 if not is_conda_environment(): raise ValueError("The python kernel does not appear to be a conda environment. " "Please use ``%pip install`` instead.") conda_executable = os.path.join(os.path.dirname(sys.executable), 'conda') args = [conda_executable] + args.split() # Add --prefix to point conda installation to the current environment if args[1] in ['install', 'update', 'upgrade', 'remove', 'uninstall', 'list']: if '-p' not in args and '--prefix' not in args: args.insert(2, '--prefix') args.insert(3, sys.prefix) # Because the notebook does not allow us to respond "yes" during the # installation, we need to insert --yes in the argument list for some commands if args[1] in ['install', 'update', 'upgrade', 'remove', 'uninstall', 'create']: if '-y' not in args and '--yes' not in args: args.insert(2, '--yes') # Call conda from command line with subprocess & send results to stdout & stderr with Popen(args, stdout=PIPE, stderr=PIPE) as process: # Read stdout character by character, as it includes real-time progress updates for c in iter(lambda: process.stdout.read(1), b''): sys.stdout.write(c.decode(sys.stdout.encoding)) # Read stderr line by line, because real-time does not matter for line in iter(process.stderr.readline, b''): sys.stderr.write(line.decode(sys.stderr.encoding))在提出了今天可以使用的一些簡單解決方案之後，我詳細解釋了為什麼這些解決方案是必要的：歸結起來，在Jupyter中，內核與外殼斷開連接。內核環境可以在運行時更改，而shell環境是在筆記本啟動時確定的。
最後：對於創建Python資料科學生態系統基礎的Jupyter，conda，pip和相關工具的開發人員忠心的感謝。這篇文章寫在一個Jupyter筆記本裡面。您可以查看靜態版本在這裡或下載完整的在這裡。
阿裡云云棲社區組織翻譯。
文章原標題《installing-python-packages-from-jupyter》，作者：Jake VanderPlas.
個人博客：http://jakevdp.github.io/pages/about.html ，Python Data Science Handbook的作者。
其博客位址，可以免費閱讀本書。
譯者：虎說八道，審閱：
我將再次強調：Jupyter中的shell環境必須與啟動它的Python版本相匹配。
2.3： Jupyter如何執行代碼：Jupyter內核
下一個相關的問題是Jupyter如何選擇執行Python代碼，這使我們想到了Jupyter內核的概念。
Jupyter內核是指Jupyter在內執行代碼的一系列檔。對於Python內核，這將指向一個特定的Python版本，但Jupyter被設計得更通用：Jupyter有幾十個可用的內核，包括Python 2，Python 3，Julia，R，Ruby，Haskell，甚至C ++和Fortran。
如果您使用Jupyter，則可以隨時使用內核→選擇內核功能表項目來更改內核。
要查看您的系統上可用的內核，可以在shell中運行以下命令：
!jupyter kernelspec list Available kernels: python3 /Users/jakevdp/anaconda/envs/python3.6/lib/python3.6/site-packages/ipykernel/resources conda-root /Users/jakevdp/Library/Jupyter/kernels/conda-root python2.7 /Users/jakevdp/Library/Jupyter/kernels/python2.7 python3.5 /Users/jakevdp/Library/Jupyter/kernels/python3.5 python3.6 /Users/jakevdp/Library/Jupyter/kernels/python3.6這些列出的內核中的每一個都是一個包含名為kernel.json的檔的目錄，其中指定了內核應該使用哪種語言和可執行檔。例如：
!cat /Users/jakevdp/Library/Jupyter/kernels/conda-root/kernel.json { "argv": [ "/Users/jakevdp/anaconda/bin/python", "-m", "ipykernel_launcher", "-f", "{connection_file}" ], "display_name": "python (conda-root)", "language": "python" }如果你想創建一個新的內核，可以使用jupyter ipykernel命令來完成。例如，我使用以下內容作為範本，為我的conda環境創建了上述內核：
$ source activate myenv $ python -m ipykernel install --user --name myenv --display-name "Python (myenv)"3.一些建議
所以，綜上所述，安裝在Jupyter的包是從根本上說Jupyter的shell環境和Python的內核不匹配，這意味著你必須做的不是簡單地多瞭解pip install或conda install做事情的工作。
我有一些想法，其中一些可能是有用的：
3.1：Jupyter 的潛在策略
正如我所提到的，根本問題是Jupyter的shell環境和計算內核之間的不匹配。那麼，我們是否可以按照內核規範來強制二者匹配呢？
也許，這個github問題展示了一種在內核啟動時修改shell變數的方法。
基本上，在你的內核目錄中，你可以添加一個如下所示的腳本kernel-startup.sh（並確保你改變了許可權以便它是可執行的）：
#!/usr/bin/env bash # activate anaconda env source activate myenv # this is the critical part, and should be at the end of your script: exec python -m ipykernel $@3.2新的Jupyter Magic函數
我們可以通過在Jupyter中引入%pip和%conda魔術功能來簡化用戶體驗，從而檢測當前的內核並使某些套裝軟體安裝在正確的位置。
PIP Magic
例如，下面是如何定義一個%pip在當前內核中工作的魔術函數：
from IPython.core.magic import register_line_magic @register_line_magic def pip(args): """Use pip from the current kernel""" from pip import main main(args.split())請注意，Jupyter開發者Matthias Bussonnier已經在他的pip_magic倉庫中發佈了基本的內容，所以你可以做的是：
$ python -m pip install pip_magicConda Magic
同樣，我們可以定義一個conda Magic，如果你輸入的話會做正確的事情%conda install XXX。這比pip Magic更有意義，因為它必須首先確認環境是conda相容的，然後（與缺少有關的python -m conda install）必須調用一個子進程來執行相應的shell命令：
from IPython.core.magic import register_line_magicimport sysimport osfrom subprocess import Popen, PIPEdef is_conda_environment(): """Return True if the current Python executable is in a conda env""" # TODO: make this work with Conda.exe in Windows conda_exec = os.path.join(os.path.dirname(sys.executable), 'conda') conda_history = os.path.join(sys.prefix, 'conda-meta', 'history') return os.path.exists(conda_exec) and os.path.exists(conda_history)@register_line_magicdef conda(args): """Use conda from the current kernel""" # TODO: make this work with Conda.exe in Windows # TODO: fix string encoding to work with Python 2 if not is_conda_environment(): raise ValueError("The python kernel does not appear to be a conda environment. " "Please use ``%pip install`` instead.") conda_executable = os.path.join(os.path.dirname(sys.executable), 'conda') args = [conda_executable] + args.split() # Add --prefix to point conda installation to the current environment if args[1] in ['install', 'update', 'upgrade', 'remove', 'uninstall', 'list']: if '-p' not in args and '--prefix' not in args: args.insert(2, '--prefix') args.insert(3, sys.prefix) # Because the notebook does not allow us to respond "yes" during the # installation, we need to insert --yes in the argument list for some commands if args[1] in ['install', 'update', 'upgrade', 'remove', 'uninstall', 'create']: if '-y' not in args and '--yes' not in args: args.insert(2, '--yes') # Call conda from command line with subprocess & send results to stdout & stderr with Popen(args, stdout=PIPE, stderr=PIPE) as process: # Read stdout character by character, as it includes real-time progress updates for c in iter(lambda: process.stdout.read(1), b''): sys.stdout.write(c.decode(sys.stdout.encoding)) # Read stderr line by line, because real-time does not matter for line in iter(process.stderr.readline, b''): sys.stderr.write(line.decode(sys.stderr.encoding))在提出了今天可以使用的一些簡單解決方案之後，我詳細解釋了為什麼這些解決方案是必要的：歸結起來，在Jupyter中，內核與外殼斷開連接。內核環境可以在運行時更改，而shell環境是在筆記本啟動時確定的。
最後：對於創建Python資料科學生態系統基礎的Jupyter，conda，pip和相關工具的開發人員忠心的感謝。這篇文章寫在一個Jupyter筆記本裡面。您可以查看靜態版本在這裡或下載完整的在這裡。
阿裡云云棲社區組織翻譯。
文章原標題《installing-python-packages-from-jupyter》，作者：Jake VanderPlas.
個人博客：http://jakevdp.github.io/pages/about.html ，Python Data Science Handbook的作者。
其博客位址，可以免費閱讀本書。
譯者：虎說八道，審閱：