本文共 1305 字，大约阅读时间需要 4 分钟。

重新优化后的内容：

在开始使用 Jupyter Notebook 前，了解如何有效地配置文件存储位置对于每个开发者来说都是必要的。若想将生成的 Jupyter Notebook 文件保存到特定目录，您可以通过以下步骤实现配置：

打开配置文件：通过Anaconda终端搜索 jupyter_notebook_config.py 文件。

• 您可以使用 Notepad++ 或类似的文本编辑器进行打开和修改。

找到配置项：在 jupyter_notebook_config.py 中查找 c.NotebookApp.notebook_dir 这一项。

• 取消注释后，您可以将默认路径替换为如 D:\myfiles 的自定义目录。

验证配置：完成配置后，重新启动 Jupyter Notebook。

• 注意：确保在使用 Jupyter Notebook 时保持终端打开，不然可能会导致连接中断。

由于 Jupyter Notebook 是 Anaconda 的一部分，安装并运行它非常简单。以下是几个常用的 Python 工具包及其介绍：

① numpy：数组与高效数据处理

NumPy 是 Python 的一个强大的数组处理库。它为许多高级扩展库（如 SciPy、Matplotlib、pandas）提供了基础支持。 NumPy 的功能涵盖了高效的大数组操作、矩阵运算、图像处理 等，适合涉足科学计算、工程应用和数据分析的开发者。

② scipy：全面的科学与工程计算库

SciPy 是一个功能丰富的科学与工程计算库，支持优化、线性代数、积分、插值、拟合、特殊函数等多种科学计算任务。它依赖于 NumPy，因此建议先安装 NumPy。

③ matplotlib：数据可视化与绘图

Matplotlib 是 Python 中最常用的数据可视化与绘图库。它提供了全面的一整套二维绘图功能，涵盖柱状图、折线图、饼图、热量图等多种类型。值得注意的是，Matplotlib 默认字体是英文字体，若希望中文标签正常显示，需在配置时进行相应设置。

④ pandas：数据分析与探索工具

Pandas 是数据分析和探索的强大工具。它提供类似 SQL 的数据增删查改操作，并支持丰富的数据处理功能，包括时间序列分析。此外，Pandas 的数据结构如 Series 和 DataFrame 能够帮助您轻松处理和操作数据。Series 是一维数组，类似于 Excel 的单元格，而 DataFrame 则更像 Excel 的表格，其中每一列都是一个 Series。

⑤ scikit-learn：机器学习工具箱

Scikit-learn 提供了完整的机器学习工具箱，涵盖数据预处理、分类、回归、聚类、模型预测等任务。这个库依赖于 NumPy、SciPy 和 Matplotlib 等基础库，安装前需确保这些依赖已经在系统中。

⑥ keras：深度学习模型构建

Keras 是一个专注于深度学习的高级库，可以通过它搭建各种深度学习模型，包括卷积神经网络、循环神经网络等。它基于 Theano 提供强大的计算能力，是选择深度学习项目的理想工具之一。

转载地址：http://ahbcz.baihongyu.com/