为什么jupyter notebook代码运行一直没有反应

路径的问题，设置即可，以下是方法:

1、首先从jupyter notebookexe应用程序执行jupyter notebook。然后会看到执行的目录，默认在安装的目录下面。从这个目录创建的python文件是可以运行的。

2、然后你看看之前从dos-cmd运行后的程序目录在哪里，应该不在Scripts下面。找到jupyter notebook的配置文件，将路径改成你自己设置的路径。

电脑不能启动的原因

系统不承认硬盘

此类故障比较常见，即从硬盘无法启动，从A盘启动也无法进入C盘，使用CMOS中的自动监测功能也无法发现硬盘的存在。这种故障大都出现在连接 电缆 或IDE口端口上，硬盘本身的故障率很少，可通过重新插拔硬盘电缆或者改换IDE口及电缆等进行替换试验，可很快发现故障的所在。

如果新接上的硬盘不承认，还有一个常见的原因就是硬盘上的主从条线，如果硬盘接在IDE的主盘位置，则硬盘必须跳为主盘状，跳线错误一般无法检测到硬盘。

路径的问题，设置即可，以下是方法:
1、首先从jupyter notebookexe应用程序执行jupyter notebook。然后会看到执行的目录，默认在安装的目录下面。从这个目录创建的python文件是可以运行的。
2、然后你看看之前从dos-cmd运行后的程序目录在哪里，应该不在Scripts下面。找到jupyter notebook的配置文件，将路径改成你自己设置的路径。
电脑不能启动的原因
系统不承认硬盘
此类故障比较常见，即从硬盘无法启动，从A盘启动也无法进入C盘，使用CMOS中的自动监测功能也无法发现硬盘的存在。这种故障大都出现在连接 电缆 或IDE口端口上，硬盘本身的故障率很少，可通过重新插拔硬盘电缆或者改换IDE口及电缆等进行替换试验，可很快发现故障的所在。
如果新接上的硬盘不承认，还有一个常见的原因就是硬盘上的主从条线，如果硬盘接在IDE的主盘位置，则硬盘必须跳为主盘状，跳线错误一般无法检测到硬盘。

只安装了Jupyter，而没有安装Notebook,Anaconda Prompt下重新输入如下命令安装即可。

通过安装notebook这个包后，就行了，可通过下面命令来安装。

pip3 install notebook

In [2]：print（'hello world!'）

hello world

In [4]：1+2

out[4]：3

1、脚本语言：又被称为扩建的语言，或者动态语言，是一种编程语言，用来控制软件应用程序。

2、编程语言：一种计算机语言让程序员能够准确地定义计算机所需要使用的数据，并精确地定义在不同情况下所应当采取的行动。

二、特点不同

1、脚本语言：脚本通常以文本（如ASCII)保存，只在被调用时进行解释或编译。

2、编程语言：程序在运行时可以改变其结构，开发快速，接近自然语言，易于理解，更方便的代码管理。

三、优缺点不同

1、脚本语言：脚本语言极大地简化了“开发、部署、测试和调试”的周期过程。大多数脚本语言都能够随时部署，而不需要耗时的编译/打包过程。

2、编程语言：任何编程语言的使用都需要确保编写的程序能够根据实际需要及时调整。因此，快速原型开发环境非常重要，在这种环境下，动态语言和相关库的结合可以大大增强其优势。

垫场演出：如何在ipython Notebook里运行R？（一行命令搞定版）
从去年开始，我抛弃了mathmatica,eviews,matlab之类的商业统计和数学软件，开始拥抱开源数据分析。这一方面是因为工作需要，想掌握一门更通用的编程语言，一方面也因为和所有中国的分析师一样，我用的是盗版的eviews和matlab，因此是完全没有客户支持。为了解决日常问题而花的研究文档和stackoverflow上的工作量，并不比用开源软件更少。而开源的好处是，实在查不到解决方案了，至少我还可以去看源代码，虽然看不看得懂可以再讨论，但 I‘d like to have the option。
大家都知道开源数据分析的两大利器，IPython 和 R。一般来说，IPython从Python发展而来，更倾向于科学计算。互联网数据分析更喜欢用。而R是统计学家发展出的一门语言，在金融、经济和社会科学领域应用更广泛。我更喜欢R的数据解构和与数学相关的syntax，在读完R的入门教程之后，很多时候我都不需要去查文档，猜都能猜到我想用的一些函数名称(lag(),diff())。另一方面，我也喜欢Ipython Notebook的交互方式，在富文本的展示效果和使用体验上，R markdown简直就是个不成熟的玩具，更何况Python还是个更成熟的通用编程语言，除了数据以外，几乎可以和这个世界的一切协议进行通信。之前，我一直是在用Rstudio调试R代码，用Anaconda的IPython Notebook或者spyder调试Python代码，有必要的话再通过Rpy2之类的接口综合起来。
但是8月底，收到了Anaconda的一封邮件：Ipython Notebook升级到40，改名Jupyter。而且，可以开始用conda管理R的程序包了，Anaconda正式支持R！下载安装Anaconda，然后一条命令：
conda create -n my-r-env -c r r-essentials
就可以创建R的虚拟环境，安装由Anaconda维护的R发行版本r-essentials 然后在ipython Notebook里面用R的语法调试、运行R程序！Windows,Linux,OS X全都可用！how cool is that！再见啦，rpy2。
正场：如何在云端运行Jupyter Notebook
成功在ipython里面创建了R的环境之后，我又想尝试之前的一个想法了，部署一个云端的计算服务器。传统行业还没有进入大数据时代，数据量相对较小，绝大部分运算任务都是在我的笔记本上解决。但因为开始用Python了，也开始自己写爬虫、甚至想做自己的云端数据可视化方案(否则怎么向非码农的领导展示花了这么多时间的研究成果？代码？）。当然，rstudio拥有rstudio server版本，也可以在云端运行。但我觉得ipython的界面是一个更漂亮的前端页面，支持markdown功能，可以写入很多注释文档，以便非码农使用。另一方面，ipython支持bokeh,一个html5的数据可视化方案。
google了一阵之后发现，目前网上所有在云端安装ipython notebook的方案都是基于ipython 2x的。而在ipython30之后，原有的配置方法已经不可用，只好自己去研究文档。经过几个小时的试错，终于在云端开始跑起了。
以下是主要步骤，前提是，拥有一个虚拟机，并且有ssh账号登陆。没有的同学可以自己在阿里云之类的服务商处申请，个人推荐”1元免费试用“1个月的微软云。一般这些主机服务商都会提供一个基本的教程，因此从设置主机直到创建账号，ssh登陆都应该不是什么问题。
接下来，下载miniconda，一个科学计算环境管理软件，Anaconda的最小发型版本（假设运行的是64位Linux 虚拟机)：
wget ">