【Ubuntu系统开发工具使用技能】使用VS Code的远程Python交互式jupyter notebook窗口与数据可视化案例。当启动 Jupyter Notebook 时，如果提示需要输入 Password or Token ，可以通过以下方法解决：
一、Python交互式jupyter notebook窗口
1. 启动时查看 Token
当你运行以下命令启动 Jupyter Notebook 时：
jupyter notebook --ip=0.0.0.0 --no-browser --port=8888终端会显示类似以下的信息：http://<ip>:8888/?token=abcdef1234567890abcdef1234567890abcdef1234567890
找到
token值，复制该值并在浏览器中访问，例如：
http://<ip>:8888/?token=abcdef1234567890abcdef1234567890abcdef1234567890
2. 禁用 Token 验证
如果不想每次都输入 Token，可以通过以下方法禁用：
- 生成配置文件 （如果没有配置文件）：
jupyter notebook --generate-config
配置文件通常位于：~/.jupyter/jupyter_notebook_config.py。
编辑配置文件 ：
使用文本编辑器打开配置文件，例如：
nano ~/.jupyter/jupyter_notebook_config.py
修改以下内容：
c.NotebookApp.token = '' # 设置为空字符串，禁用 Token
c.NotebookApp.password = '' # 如果没有设置密码，也可以清空
保存并重启 Jupyter ：
重新启动 Jupyter Notebook，不再需要输入 Token。
3. 设置固定密码
如果不想禁用验证，但又希望使用固定密码，可以按照以下步骤设置密码：
生成加密密码 ：
在终端中运行以下命令：
from notebook.auth import passwd
passwd()
输入你想要设置的密码，得到类似以下加密字符串：
sha1:1234567890abcdef1234:abcdef1234567890abcdef1234567890abcdef12
编辑配置文件 ：
在 ~/.jupyter/jupyter_notebook_config.py 中，设置如下内容：
c.NotebookApp.password = 'sha1:1234567890abcdef1234:abcdef1234567890abcdef1234567890abcdef12'
c.NotebookApp.token = '' # 可选，清空 Token
重启 Jupyter ：
现在，你可以使用设置的固定密码访问 Notebook。
4. 通过 SSH 隧道避免直接访问
为了安全起见，推荐通过 SSH 隧道进行访问，不需要在公网暴露端口：
ssh -L 8888:localhost:8888 <user>@<remote_ip>
然后在本地浏览器中访问：
http://localhost:8888
选择设置固定密码或者 禁用 Token 验证 ，可以简化访问流程，同时确保安全性。
二、在 Jupyter Notebook 中遇到 Permission denied问题解决
在 Jupyter Notebook 中遇到 Permission denied 的问题通常是因为用户在无法写入的目录中创建文件。以下是可能的原因及解决方法：
1. 检查 Jupyter 启动目录的权限
Jupyter 默认在启动时使用当前的工作目录作为根目录。如果该目录对当前用户没有写权限，就会报错。
解决方法 ：
确认 Jupyter 的启动目录：
pwd
检查该目录的权限：
ls -ld .
确保当前用户对该目录有写权限。如果没有权限，修改权限：
sudo chmod u+w /path/to/directory
或者，启动 Jupyter 时指定一个有写权限的目录：
jupyter notebook --notebook-dir=/path/to/writable/directory
2. 更改 Jupyter 的默认工作目录
如果频繁需要更改目录，可以直接设置 Jupyter 的默认工作目录：
- 打开 Jupyter 配置文件：
nano ~/.jupyter/jupyter_notebook_config.py - 修改以下配置，设置一个有写权限的路径：
c.NotebookApp.notebook_dir = '/path/to/writable/directory'
3. 检查系统权限和用户身份【该方法有效】
- 如果使用的是远程服务器，确认运行 Jupyter 的用户有足够权限。
- 如果是通过
sudo启动的 Jupyter Notebook，可能是权限问题导致无法写入。
解决方法 ：
- 确保用普通用户启动 Jupyter：
jupyter notebook
如果需要运行在特定路径且当前用户没有权限，赋予该用户写权限：
sudo chown -R <username>:<groupname> /path/to/directory
或赋予所有用户写权限：
sudo chmod -R 777 /path/to/directory
4. 检查具体目录的权限
在报错路径 translation/Untitled.ipynb 中：
- 确保
translation目录存在并具有写权限：
mkdir -p translation
chmod u+w translation
5. 使用合适的文件系统
如果运行环境使用了外部挂载（如 NFS、Docker volume），可能出现写权限问题。
解决方法 ：
- 确保挂载时带有写权限参数，例如：
mount -o rw /dev/sdX /path/to/mount
按照以上方法，重点检查和调整 Jupyter 的工作目录及路径权限，应该能解决问题。
三、数据可视化
下面是一个简单的 Python 可视化案例，使用 matplotlib 和 seaborn 库来生成一个数据集的可视化图表。这个例子将展示如何用 Python 创建一个线图、柱状图以及分布图。
安装必要的库
首先，确保你安装了 matplotlib 和 seaborn 库。如果没有安装，可以通过以下命令安装：
pip install matplotlib seaborn
Python 可视化案例：线图、柱状图和分布图
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
# 创建一些样本数据
np.random.seed(0)
data = pd.DataFrame({
'x': np.linspace(0, 10, 100),
'y': np.sin(np.linspace(0, 10, 100)) + np.random.normal(0, 0.2, 100), # 正弦波加上噪声
'category': np.random.choice(['A', 'B', 'C'], 100)
})
# 设置 Seaborn 样式
sns.set(style="darkgrid")
# 1. 线图 (Line plot)
plt.figure(figsize=(10, 6))
sns.lineplot(data=data, x='x', y='y', label='Sine wave with noise')
plt.title('Line Plot of Sine Wave with Noise')
plt.xlabel('X')
plt.ylabel('Y')
plt.legend()
plt.show()
# 2. 柱状图 (Bar plot)
plt.figure(figsize=(10, 6))
sns.barplot(x='category', y='y', data=data, ci=None) # 不显示置信区间
plt.title('Bar Plot by Category')
plt.xlabel('Category')
plt.ylabel('Y')
plt.show()
# 3. 分布图 (Distribution plot)
plt.figure(figsize=(10, 6))
sns.histplot(data['y'], kde=True, bins=20) # KDE：核密度估计
plt.title('Distribution Plot with KDE')
plt.xlabel('Y')
plt.ylabel('Frequency')
plt.show()
说明：
- 线图 (
sns.lineplot): 绘制x和y之间的关系，表示一个带有噪声的正弦波。 - 柱状图 (
sns.barplot): 按类别（‘A’, ‘B’, ‘C’）绘制y的均值。 - 分布图 (
sns.histplot): 显示y的频率分布，并通过 KDE 曲线表示数据的估计密度。
输出图示：
- 线图 ：展示了带噪声的正弦波，x 轴表示时间或其他变量，y 轴表示相应的值。
- 柱状图 ：按不同类别展示数据的平均值，比较各类别的差异。
- 分布图 ：显示数据的频率分布，并通过平滑的曲线估计数据的概率分布。