相信有过项目开发或数据分析经验的人，对“手忙脚乱”场景绝不陌生：在IDE中编写、测试代码，另一个窗口中预览结果，同时在另一个文本文档中对测试进行记录、解释程序代码、说明运行结果等；不同的界面、窗口之间的切换，势必影响工作的效率。那么，能不能将所有的内容：说明文字、代码、图表、公式、结论，一起完整地记录呈现？有！JupyterNotebook就是一款非常适合数据科学工作者的神器。
JupyterNotebook是一个可以在浏览器中使用的交互式的计算应用程序，该应用程序的所有可见的内容，以笔记本文档表示，包括计算的输入和输出、解释文本、数学、图像和对象的富媒体等表示。因此，JupyterNotebook可以实现将代码、文字完美结合起来，非常适合从事机器学习、数据分析等数据科学工作的人员。
为什么选择：JupyterNotebook
JupyterNotebook有着诸多的优点：
可以通过浏览器编辑和运行代码，不用安转其他编辑器，不受系统的限制；代码运行的结果，直接呈现在该代码块下面；同时，在代码块后面写代码的说明，而说明文档支持Markdown语法。
JupyterNotebook从其名字中可以看出，它非常适用于编程语言Julia、Python以及R；除此之外，可以通过安装相应的kernel，实现MATLAB等语言的使用。
可以根据个人的需求，导出为HTML、Markdown、LaTeX、PDF以及幻灯片等格式的文档，并可以将Notebook通过GitHub进行存储和展示。
交互式的展现，输出图表、视频、公式，Markdown单元格除了通过MathJax渲染公式，还支持LaTeX和AMSLaTeX定义的标准数学环境，也可以使用标准方法定义LaTeX宏。另外，还可以配合一些交互式的插件，呈现地图、三维模型等内容。
可以不受时间、地点的限制，通过远程服务器进行运算。购买云服务器，将JupyterNotebook安装部署在云服务器上，即可通过浏览器进行开发、记录、执行代码的整个计算过程。
两种安装方式
如果个人擅长使用Python，可以在安装Python后，通过pip安装。在后续的开发使用中，还需要根据个人的需要，安装一些数学分析、机器学习、深度学习的开源包。比如，通过pip安装下面的数据科学包：
Numpy：主要用于高维的数组运算，拥有运算速度快的数学库；Scipy：依赖于Numpy，可便捷的操作N维数组；Pandas：关系型、标记型数据的数据分析工具；Scikit-learn：依赖于NumPy，SciPy和matplotlib的机器学习工具；Matplotlib：绘图库，可以绘制函数图、统计图等。
如果是一个Python小白，那么Anaconda非常适合初学者，它包含了Numpy、Scipy、Pandas、Scikit-learn、Matplotlib等大量的科学包，可避免单独安装；而且通过包管理工具conda，方便地安装、更新、卸载工具包。
后续的几个章节，将介绍JupyterNotebook的使用，比如：在EXCEL中使用，配合插件实现交互式展现等。