這是一份完整的 Jupyter Notebook 教學指南，適合剛接觸 Python、資料分析、機器學習、或是數據科學的新手。它會帶你從安裝、基礎操作，到實際寫出有用的分析程式碼。
📘 Jupyter Notebook 是什麼？
Jupyter Notebook 是一個基於網頁的程式開發環境，可以讓你：
- 用 Python 撰寫與執行程式
- 插入文字說明（Markdown）
- 畫圖、顯示表格、互動式視覺化
- 廣泛應用於資料分析、機器學習、統計建模等領域
🔧 安裝 Jupyter Notebook
你可以透過以下兩種方式安裝：
✅ 方式 1：安裝 Anaconda（推薦）
- 前往 Anaconda 官方網站
- 下載並安裝對應系統版本（Windows/macOS/Linux）
- 安裝完成後，打開「Anaconda Navigator」→ 點選「Jupyter Notebook」
🟢 好處：內建 Pandas、Numpy、Matplotlib 等套件
✅ 方式 2：用 pip 安裝（適合有 Python 基礎者）
pip install notebook
然後啟動：
jupyter notebook
📂 啟動與基本介面介紹
輸入 jupyter notebook 會開啟瀏覽器，顯示檔案管理介面：
- 點選右上角
New → Python 3可建立一個 Notebook - 每一個
.ipynb檔案就是一份 Notebook
✍️ 基礎操作：Cell（儲存格）
Jupyter Notebook 是由許多「Cell」組成，常見有兩種：
| 類型 | 用途 |
|---|---|
| Code | 寫程式（如 Python） |
| Markdown | 寫說明文字（支援標題、粗體、圖片等） |
🔹 Code Cell 範例：
# 印出 Hello World
print("Hello, World!")
按 Shift + Enter 執行 Cell。
🔹 Markdown Cell 範例：
# 這是一個標題
**粗體文字**
*斜體文字*
🧮 常用 Python 套件範例（資料分析用）
➤ 匯入套件：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
➤ 讀取資料（例如 CSV）
df = pd.read_csv('data.csv')
df.head()
➤ 資料統計摘要
df.describe()
df['price'].mean()
➤ 畫圖：
df['price'].hist(bins=20)
plt.title("Price Distribution")
plt.xlabel("Price")
plt.ylabel("Count")
plt.show()
📊 Markdown 寫筆記功能教學
| Markdown 語法 | 功能 |
|---|---|
# 標題 1 | 大標題 |
## 標題 2 | 次標題 |
**粗體** | 粗體文字 |
*斜體* | 斜體文字 |
`程式碼` | 行內程式碼 |
python程式碼區塊“` | 區塊程式碼 |
💡 實用技巧
| 快捷鍵 | 功能 |
|---|---|
Shift + Enter | 執行目前儲存格並跳到下一格 |
Ctrl + Enter | 執行目前儲存格但不跳格 |
Esc + M | 將儲存格轉為 Markdown |
Esc + Y | 將儲存格轉為 Code |
B | 在下方插入新 Cell |
A | 在上方插入新 Cell |
🧪 初學者練習建議
- 讀取一份 Excel 或 CSV 資料
- 顯示前 10 筆資料（
.head()） - 計算平均數、最大最小值
- 畫出某欄位的長條圖或折線圖
- 用 Markdown 寫下你的觀察與解釋
🎯 延伸主題（進階用戶可參考）
- JupyterLab（升級版 Notebook 編輯器）
- 使用
%magic指令（如%timeit,%matplotlib inline） - 連接資料庫（用
SQLAlchemy） - 與機器學習（scikit-learn）、視覺化工具（Seaborn）整合
相關軟體推薦:
廣告