实战：配置Jupyter主题、安装第三方库（Pandas/Matplotlib）
18.15.1 实战任务说明
咱们今天要干两件“提升Jupyter幸福感”的事：
1.配置Jupyter主题：把默认的“大白板”改成护眼、炫酷的程序员风格，比如Monokai、Dracula；
2.安装第三方库：用Conda和Pip两种方式安装Pandas、Matplotlib，搞懂两者的区别和最佳实践。
全程用命令行操作，新手也能跟着一步步做，每一行代码都给你讲透。
18.15.2 配置Jupyter主题：从“默认白”到“程序员风”
步骤1：安装Jupyter主题库（jupyterthemes）
Jupyter本身没有自带主题切换功能，需要先装第三方库jupyterthemes（简称jt）。
打开终端/Anaconda Prompt，输入：
bash
pip install jupyterthemes
逐行讲解：
pip install：用Pip安装Python包；
jupyterthemes：主题库的名字，这个库支持10+种流行主题，还能自定义字体、行高、单元格宽度。
如果安装太慢，换清华镜像源加速：
bash
pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple jupyterthemes
步骤2：查看所有可用主题
安装完成后，输入以下命令查看所有主题：

bash 
jt -l

输出示例：

	Available Themes:
	chesterish
	grade3
	gruvboxd
	gruvboxl
	monokai
	oceans16
	onedork
	solarizedd
	solarizedl

这些都是程序员常用的主题，比如monokai是VS Code默认的深色主题，onedork是GitHub风格的主题。
步骤3：切换主题（实战常用配置）
咱们以最受欢迎的monokai主题为例，配置一个“护眼+高效”的样式：
bash
jt -t monokai -f fira -fs 13 -lineh 160 -cellw 90% -T -N -kl
逐行拆解每个参数：

运行命令后，重启Jupyter Notebook（关闭浏览器，重新输入jupyter notebook启动），就能看到新主题了！
步骤4：自定义主题（进阶玩法）
如果你想更个性化，比如调整代码高亮颜色、菜单栏背景色，或者重置回默认主题：

1. 重置为默认主题
   bash
   jt -r
   运行后重启Jupyter，就回到原来的大白板了。
2. 调整代码高亮颜色
   比如把Monokai主题的注释颜色改成绿色：
   bash
   jt -t monokai -cursordarkgreen -curscolor green
   -cursordarkgreen：光标颜色设为深绿色；
   -curscolor green：选中代码的背景色设为绿色。
3. 保存主题配置（避免每次启动都输命令）
   把常用的主题命令保存成批处理文件，比如：
   Windows：新建set_jupyter_theme.bat，内容是jt -t monokai -f fira -fs 13 -lineh 160 -cellw 90% -T -N -kl，双击就能切换主题；
   macOS/Linux：新建set_jupyter_theme.sh，内容是jt -t monokai -f fira -fs 13 -lineh 160 -cellw 90% -T -N -kl，运行chmod +x set_jupyter_theme.sh给权限，然后./set_jupyter_theme.sh执行。
   18.15.3 安装第三方库：Conda vs Pip实战对比
   先搞懂：Conda和Pip的核心区别
   很多新手分不清Conda和Pip，咱们用大白话讲：

最佳实践：优先用Conda安装数据科学库（比如Pandas、NumPy、Matplotlib），Conda没有的包再用Pip装。
实战1：用Conda安装Pandas和Matplotlib
打开终端/Anaconda Prompt，激活你常用的虚拟环境（比如data_analysis）：
bash
conda activate data_analysis
然后输入：
bash
conda install pandas matplotlib
逐行讲解：
conda install：用Conda安装包；
pandas matplotlib：同时安装两个库，用空格分隔。
运行后，Conda会自动检查依赖，列出要安装的包和版本，输入y确认安装，等待2-3分钟就装好了。
进阶：指定版本安装
如果需要特定版本的库（比如Pandas 1.5.3，因为2.0+版本不兼容旧代码），输入：
bash
conda install pandas=1.5.3 matplotlib=3.7.1
逐行讲解：
pandas=1.5.3：指定安装Pandas 1.5.3版本；
matplotlib=3.7.1：指定安装Matplotlib 3.7.1版本。
实战2：用Pip安装Pandas和Matplotlib
如果Conda仓库没有你要的版本，或者需要安装Conda没有的包，就用Pip：
bash
pip install pandas matplotlib
逐行讲解：
pip install：用Pip安装包；
同样支持指定版本：pip install pandas1.5.3 matplotlib3.7.1（注意是==，不是=）。
如果安装太慢，换清华镜像源：
bash
pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple pandas matplotlib
实战3：验证安装成功
打开Jupyter Notebook，新建一个代码单元格，输入：
python

	import pandas as pd
	import matplotlib.pyplot as plt
	
	print("Pandas版本：", pd.__version__)
	print("Matplotlib版本：", plt.__version__)

运行后输出类似：
Pandas版本： 1.5.3
Matplotlib版本： 3.7.1
说明安装成功，能正常导入库。
常用库管理命令（必记）

1. 查看已安装的库
   bash

	# 用Conda查看
	conda list
	
	# 用Pip查看
	pip list

2. 更新库到最新版本
   bash

	# 用Conda更新
	conda update pandas
	
	# 用Pip更新
	pip install --upgrade pandas

3. 卸载库
   bash

	# 用Conda卸载
	conda remove pandas
	
	# 用Pip卸载
	pip uninstall pandas

18.15.4 基础知识拓展

1. 为什么要在虚拟环境中安装库？
   如果你直接在base环境装库，时间久了会出现“依赖地狱”：比如A库需要Pandas 1.5，B库需要Pandas 2.0，两个库冲突，导致其中一个用不了。
   虚拟环境是独立的，每个环境的库互不影响，完美解决这个问题。
2. 解决Conda安装失败的常见问题
   问题1：Solving environment: failed（依赖冲突）
   解决方法：指定库的版本，或者用--force-reinstall强制安装：
   bash
   conda install pandas=1.5.3 --force-reinstall
   问题2：PackageNotFoundError（Conda仓库没有这个包）
   解决方法：换Pip安装，或者添加Conda第三方频道（比如conda-forge）：
   bash
   conda install -c conda-forge pandas
   -c conda-forge：从conda-forge频道安装，这个频道的包比官方仓库多。
3. 配置Conda默认镜像源（永久加速）
   每次安装都加镜像源太麻烦，把清华镜像源设为默认：
   打开终端/Anaconda Prompt，输入：
   bash

	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
	conda config --set show_channel_urls yes

逐行讲解：
conda config --add channels：添加镜像源；
show_channel_urls yes：显示下载包的来源，方便排查问题。
18.15.5 新手常见坑与解决方法

1. 切换主题后Jupyter工具栏消失了
   原因：主题命令没加-T参数，默认隐藏工具栏。
   解决方法：重新运行主题命令，加上-T：
   bash
   jt -t monokai -T -N -kl
2. 用Pip安装的库在Jupyter中找不到
   原因：Jupyter用的是base环境的Python，而你在虚拟环境中用Pip装了库。
   解决方法：在虚拟环境中安装ipykernel，把虚拟环境添加到Jupyter：
   bash

	conda activate data_analysis
	conda install ipykernel
	python -m ipykernel install --user --name data_analysis --display-name "Python (data_analysis)"

重启Jupyter，新建笔记本时选择“Python (data_analysis)”环境，就能找到用Pip装的库了。
18.15.6 思考题
1.为什么Jupyter默认主题不适合长时间写代码？深色主题有什么好处？
2.Conda和Pip的核心区别是什么？分别适用于什么场景？
3.如何在虚拟环境中安装库，确保Jupyter能找到？
4.如果你需要安装一个Conda仓库没有的包，应该用什么方法？
5.如何配置Conda和Pip的默认镜像源，永久解决安装慢的问题？

转载请注明出处：https://www.xin3721.com/pythonNew/python49615.html