1 Jupyter简介
Jupyter Notebook是一个交互式笔记本，支持运行40多种编程语言，本质是一个Web应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和Markdown。
2 安装
使用pip或pip3安装：
# sudo pip install jupyter
sudo pip3 install jupyter
3 简单自定义设置
首先生成默认配置：
jupyter notebook --generate-config
接着会提示默认配置的位置，打开，找到c.NotebookApp.notebook.dir=''可以修改默认目录：
注意需要加上u前缀，表示Unicode字符串。
c.NotebookApp.browser可以修改默认浏览器，比如修改为Chrome：
需要加上%s参数，路径修改为对应路径。
其余配置请配合注释直接修改。
4 补全
补全需要安装nbextensions以及nbextensions_configurator：
sudo pip3 install jupyter_contrib_nbextensions jupyter_nbextensions_configurator
# sudo pip install jupyter_contrib_nbextensions jupyter_nbextensions_configurator
jupyter contrib nbextension install --user
jupyter nbextensions_configurator enable --user
若依赖缺失请安装对应依赖，安装成功后打开Jupyter：
jupyter notebook
进入Nbextensions选项卡，去掉disable xxx的那个勾选，选择Hinterland即可：
5 美化
默认的UI真的不忍直视，在Github上有一个jupyter-themes的工具，可以对其进行美化。首先使用pip3/pip安装：
sudo pip3 install jupyterthemes
5.1 主题
安装完成后，使用
jt -l
查看主题，携带的主题有7个：
- onedork
- grade3
- oceans16
- chesterish
- monokai
- solarizedl
- solarizedd
使用-t切换主题，比如：
jt -t chesterish
5.2 字体
支持以下三种自定义字体：
- 代码字体：
-f - Notebook字体（界面字体）：
-nf - 普通文本/Markdown字体：
-tf
其中代码字体（-f）支持如下：
Notebook字体（-nf）/普通文本字体（-tf）/Markdown字体（-tf）支持如下：
支持以下六种自定义字体大小：
- 代码字体大小：
-fs，默认11 - Notebook字体大小：
-nfs，默认13 - 普通文本/Markdown字体大小：
-tfs，默认13 - Pandas Dataframs字体大小：
-dfs，默认9 - 输出区域字体大小：
-ofs，默认8.5 - Mathjax字体大小：
-mathfs，百分比，默认100%
比如笔者喜欢Firacode字体，并且需要放大输出区域的字体，可以如下设置：
jt -t chesterish -f firacode -fs 14 -ofs 12
5.3 Cell宽度与行距
可以手动控制Cell的宽度以及代码的行距，-cellw控制宽度（默认980），-lineh控制行距（默认170）。
jt -cellw 1800 -lineh 200
5.4 UI元素显示
- 工具栏显隐：
-T - 名称与Logo显隐：
-N - 内核Logo显隐：
-kl
5.5 绘图风格
使用如下语句设置（需要在Jupyter内）：
from jupyterthemes import jtplot
jtplot.style()
其中style()的参数如下：
theme：字符串类型，主题，可选值与jt -l显示一致context：字符串类型，取值paper，notebook，talk，postergrid：布尔类型，表示是否包含网格线gridlines：字符串类型，表示网格线的风格，比如--表示虚线ticks：布尔类型，表示x/y轴上的坐标标线的显隐spines：布尔类型，表示图像四周是否显示包围框fscale：float类型，表示缩放字体，图例等等figsize：元组类型，表示默认的Matplotlib图像的大小
笔者的参考配置：
jt -t chesterish -f firacode -fs 14 -ofs 12 -cellw 1500 -lineh 200 -T
6 常用库安装
使用pip+离线方式安装，首先需要知道系统架构，可以使用：
arch
uname -m
等方式查看，比如笔者的是x86_64，戳这里进入下载，常用库列表如下：
- Numpy
- Scipy
- Scikit-learn
- Scikit-image
- Spark MLLib（叫作PySpark）
- Theano
- TensorFlow
- PyTorch
- Pandas
- Matplotlib
下面以numpy进行演示安装，搜索后点击第一个：
根据Python版本，系统以及架构选择对应的包，下载：
使用pip3或pip安装即可：
其余库安装类似，若缺失依赖请先安装依赖。