ПРИХОДИТЕ УЧИТЬСЯ НОВОЙ ПРОФЕССИИ ЛЕТОМ СО СКИДКОЙ ДО 70%Забронировать скидку

Настройка Jupyter Notebook на использование Python из Anaconda

Пройдите тест, узнайте какой профессии подходите и получите бесплатную карьерную консультацию
В конце подарим скидку до 55% на обучение
Я предпочитаю
0%
Работать самостоятельно и не зависеть от других
Работать в команде и рассчитывать на помощь коллег
Организовывать и контролировать процесс работы

Быстрый ответ

Для определения версии Python в Jupyter Notebook воспользуйтесь следующей командой:

Python
Скопировать код
!python --version

Эта команда активирует shell-команду, которая мгновенно отображает информацию о версии установленного Python. Это простой и быстрый способ уточнить версию текущего Python.

Пройдите тест и узнайте подходит ли вам сфера IT
Пройти тест

Прямой запрос к пути интерпретатора Python

Для более детальной информации можно указать путь к интерпретатору Python:

Python
Скопировать код
import sys
print("Python interpreter path:", sys.executable)

Этот подход дает полную информацию о пути к исполняемому файлу Python, что помогает убедиться в использовании определенной версии интерпретатора, особенно в случае, когда на компьютере установлено несколько версий Python.

Переключение между окружениями ядра

Сменить Python окружение в Jupyter можно через меню: KERNEL >> CHANGE KERNEL. Каждое ядро относится к определённому Python-окружению. Если нужного вам окружения нет в списке, его можно создать и добавить к ядру.

Управление Python окружениями с помощью Conda

Создание нового окружения с определённой версией Python можно осуществить с помощью команды conda create:

Bash
Скопировать код
conda create -n myenv python=3.8

Далее активируйте созданное окружение и установите в нём Jupyter и другие необходимые пакеты:

Bash
Скопировать код
conda activate myenv
pip install notebook

После этого новое окружение необходимо привязать к Jupyter:

Bash
Скопировать код
python -m ipykernel install --user --name=myenv

Настройка и кастомизация: особенности

Важно интегрировать Anaconda в системный PATH для упрощения процесса работы. Команда conda init делает эту интеграцию автоматически, минимизируя возможность ошибок в ручной настройке. Перед внесением изменений рекомендуется изучить документацию Anaconda и следовать ей.

Также можно сконфигурировать Jupyter для удобного управления пространствами имен, применяя дополнительные аргументы для ipykernel, например --user или --name.

Визуализация

Представьте Jupyter как станцию, откуда отправляются поезда (🚂) по рельсам различных Python-окружений:

Markdown
Скопировать код
| Path | Python Version | Train |
| -----| --------------| ------|
| 1    | Python 3.7    |       |
| 2    | Python 2.7    |       |
| 3    | Anaconda 3.6  |  🚂  |
| 4    | Miniconda 3.8 |       |

Как посмотреть, куда направляется ваш "поезд" из Jupyter Notebook?

Python
Скопировать код
import sys
print("Python version information:", sys.version)

Эта команда покажет, на каком пути (версии Python) находится ваш notebook:

Markdown
Скопировать код
Python version information: 3.6.13 (default, Jun 4 2021, 14:25:59) 
[Anaconda, Inc.]

Так мы находим наш "поезд" (Jupyter notebook) на платформе Python 🚂📓✨

Просмотр доступных ядер

Для вывода списка всех доступных ядер в Jupyter воспользуйтесь командой:

Python
Скопировать код
!jupyter kernelspec list

Этот список дает представление обо всех окружениях, доступных в Jupyter, это важно для проверки корректности настройки окружений.

Глубокое изучение документации: ваш путеводитель

Обратитесь к официальной документации для более глубокого понимания работы с Python-окружениями в Jupyter. В ней содержится богатство полезной информации о управлении окружениями, настройке путей и многом другом.

Например, в документации можно найти способы более точной проверки версии Python через библиотеку Python platform, которая поможет лучше понять функционирование вашего интерпретатора и операционной системы.

Маневрирование по Jupyter и профилям IPython

Для тех, кто хочет большей гибкости и контроля, оказываются полезными профили IPython. Они предоставляют возможность настройки и персонализации работы с окружениями на более глубоком уровне.