使用pipx安装Jupyter和JupyterLab的完整指南
2025-05-20 03:40:39作者:齐添朝
在Python生态系统中,pipx是一个专门用于安装和运行Python应用程序的工具。它通过为每个应用程序创建独立的虚拟环境,避免了依赖冲突的问题。本文将详细介绍如何使用pipx来安装Jupyter和JupyterLab,并解决相关环境配置问题。
Jupyter与JupyterLab的区别
Jupyter是一个开源的交互式计算环境,支持多种编程语言。JupyterLab则是Jupyter项目的下一代用户界面,提供了更灵活的工作环境。虽然它们可以独立安装,但很多用户希望同时安装这两个工具。
使用pipx安装JupyterLab
最简单的安装方式是直接使用pipx安装JupyterLab:
pipx install jupyterlab
这会创建一个独立的虚拟环境,并安装JupyterLab及其核心依赖。
安装Jupyter核心组件
如果需要使用Jupyter的核心功能(如内核管理),可以单独安装jupyter包:
pipx install jupyter
或者使用--include-deps参数确保安装所有依赖:
pipx install --include-deps jupyter
解决内核安装问题
当需要为Jupyter安装特定语言内核时(如Java内核),可能会遇到需要直接调用Python脚本的情况。这时可以使用pipx创建的虚拟环境中的Python解释器:
在Linux/macOS上:
$PIPX_HOME/venvs/jupyter/bin/python install_xyz_kernel.py
在Windows上:
%PIPX_HOME%\venvs\jupyter\Scripts\python.exe install_xyz_kernel.py
环境变量说明
PIPX_HOME是pipx存储所有虚拟环境的目录,默认位置为:
- Unix-like系统:~/.local/pipx
- Windows:%USERPROFILE%.local\pipx
最佳实践建议
- 对于大多数用户,建议单独安装JupyterLab,它已经包含了大部分常用功能
- 只有在需要特定Jupyter功能时才额外安装jupyter包
- 使用pipx list命令可以查看已安装的应用程序及其虚拟环境位置
- 使用pipx inject可以在现有虚拟环境中添加额外包,但不推荐频繁使用
通过以上方法,用户可以轻松地在隔离的环境中管理Jupyter相关工具,避免系统Python环境的污染,同时确保各组件之间的兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.29 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
352
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
690
162
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
仓颉编程语言运行时与标准库。
Cangjie
143
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
211
114
仓颉编译器源码及 cjdb 调试工具。
C++
138
869