TensorFlow 教程 2：打开 Jupyter Notebook

作者：Dante Sblendorio

和大多数开源项目一样，Python 提供了许多不同的选项来完成同一件事。有很多方法可以设置 Python 编程环境。

但我个人更喜欢使用 Jupyter Notebook 作为我在 Python 中编程的首选界面。下面，我们将逐步介绍如何设置 Jupyter Notebook。

Anaconda 附带了其他几个选项，例如 Spyder 或 Jupyter Lab。每个选项都有一定的优势，但大多数情况下，这只是审美问题。 在本文中，我假设您也会使用 Jupyter Notebook。 如果您选择使用不同的界面，Python 代码将完全相同，但安装过程可能会略有不同。 无论如何，当安装问题出现时，Python 社区内部都有充足的资源可以访问——这也是乐趣的一部分！  

使用 Anaconda 的一个优势是，它包含了许多更有用的 Python 包。 pandas 包含在 SciPy 堆栈中，其中包含您作为数据科学家所需的大量包。  pandas 是一个易于使用、高效且方便的开源数据分析包，适用于现实世界的实际数据分析。 关于 pandas 的更多信息可以在 这里 找到。 要确认安装，请运行

pip freeze

这将列出在 tensorflow 环境中安装的包。 如果您没有看到它，或者没有使用 Anaconda，则可以通过运行以下命令安装 pandas

pip install pandas

pandas 专为表格数据集（类似于 SQL 或 Excel 中使用的那些）而设计，这些数据集包含观测数据。 它使清理数据和提取统计意义变得相对容易。 此外，pandas 允许您使用简单直观的语法合并、过滤、分组、排序和连接数据。 我发现一个非常有用的资源，尤其是在学习 pandas 时，是作弊表（可以在 这里 找到）。 它包含大多数基本函数和相应的语法。 作为一名数据科学家，这使您的生活变得更加轻松，因为您无需记住所有内容。 随着您对 pandas 的熟悉程度越来越高，直观的结构将变得更加明显。  

在我们开始编码之前，我们需要完成一项额外的任务：在我们的 tensorflow 环境中安装 jupyter notebook，以及一个额外的包。 为此，请运行

conda install jupyter notebook

然后

conda install scikit-learn

Sci-kit learn 是另一个有用的包，用于使用 Python 进行机器学习。 我们只需要使用该包的一个函数，但它还有许多其他有用的学习算法。

最后，要打开 jupyter notebook，请运行

jupyter notebook

应该在您的浏览器中出现一个如下所示的窗口

在右上角，单击“新建”按钮，然后打开一个 Python 3 notebook。

在出现的代码单元格中，输入以下代码

import sys

member_number = 12345678

print(int(member_number / 10) * sys.version_info.major)

并将 12345678 替换为您的 CodeProject 会员号码。 然后，单击播放按钮运行代码。 打印出的数字将是您参加挑战 2 的参赛代码。 一旦您获得了竞赛参赛代码，就可以擦除您用来生成它的 Python 代码了。 

请点击 这里 输入竞赛参赛代码。