16 Jupyter Notebook 与数据科学环境：在手机上做数据分析

📚 Termux 无 Root 学习开发系列

阶段一：环境搭建与终端基础 ✅ 已完成

01-05 Termux 安装 → 包管理 → 文件管理 → Vim/tmux

阶段二：编程开发环境 ✅ 已完成

06-09 Python → C/C++ → Node.js → Git

阶段三：网络与远程操作 ✅ 已完成

10-12 SSH → 网络工具 → 网络代理

阶段四：Termux:API 与自动化 ✅ 已完成

13-14 Termux:API → 定时任务与自动化

阶段五：proot-distro 完整 Linux

15 proot-distro：在手机上运行完整 Linux ✓

16 Jupyter Notebook 与数据科学环境（当前篇）

17 桌面环境与 VNC 远程

阶段六至九共 12 篇，后续持续更新

上一篇文章中，我们在手机上用 proot-distro 搭建了完整的 Ubuntu Linux 环境。现在，这个环境将展现它真正的威力——运行 Jupyter Notebook，把你的手机变成一台便携式数据分析工作站。pandas 处理数据、matplotlib 绘制图表、scikit-learn 训练模型，全部在掌中完成。

📋 目录

一、数据科学移动化：手机上的数据分析平台

二、环境搭建：安装数据科学栈

三、中文字体配置：解决 matplotlib 中文乱码

四、Jupyter Notebook 启动与远程访问

五、pandas 数据分析实战：从 CSV 到洞察

六、matplotlib 数据可视化：让数据说话

七、scikit-learn 机器学习入门：手机上训练第一个模型

八、实用技巧与效率工具

一、数据科学移动化：手机上的数据分析平台

提到数据科学，你脑海中浮现的可能是配置强大的台式机或云服务器。但真实的场景往往是这样：通勤地铁上突然想到一个数据思路，午休时想快速验证一个假设，或者躺在床上想复盘今天的业务数据。这些碎片化的时间，如果能用来做数据分析，该多好？

在上一篇搭建的 proot Ubuntu 环境中，我们可以安装完整的 Python 数据科学栈：Jupyter Notebook 提供交互式编程环境，pandas 处理表格数据，matplotlib 绘制可视化图表，scikit-learn 进行机器学习建模。这套组合在桌面端是数据科学家的标准工具链，现在它在你的手机上也能跑。

📌 本篇环境基础

本章基于第 15 篇搭建的 proot-distro Ubuntu 环境。如果你还没有安装，请先完成上一篇的操作：pkg install proot-distro && proot-distro install ubuntu:26.04 && pd sh ubuntu

软件	版本	发布时间	说明
Jupyter Notebook	7.6.2	2026.07	基于 JupyterLab 4.6 内核
NumPy	2.5.2	2026.08	数组计算基础库
pandas	3.0.5	2026.07	数据分析核心库
matplotlib	3.11.0	2026.07	2D 可视化绘图库
scikit-learn	1.9.0	2026.08	机器学习工具包

pandas 3.0 是一个大版本更新，引入了新的 PyArrow 后端和改进的字符串类型系统；NumPy 2.5 进一步优化了 free-threaded Python 支持；scikit-learn 1.9 新增了多项模型评估改进。这些版本在 ARM64 平台上都有良好的支持，可以在手机上流畅运行。

二、环境搭建：安装数据科学栈

进入 proot Ubuntu 环境后，我们首先安装数据科学所需的所有 Python 库。整个安装过程分为三步：更新系统、安装编译依赖、安装 Python 包。

2.1 进入 Ubuntu 并更新系统

Bash

# 进入 Ubuntu 容器
pd sh ubuntu
# 更新系统包
apt update && apt upgrade -y
# 安装编译依赖（部分包需要从源码编译）
apt install -y python3-dev python3-pip build-essential \
  libopenblas-dev libffi-dev libssl-dev pkg-config

⚠️ 注意

libopenblas-dev 是 NumPy 和 scikit-learn 的 BLAS/LAPACK 依赖，不装会导致安装失败或性能极差。在 ARM64 上，OpenBLAS 能充分利用手机的多核 CPU。

2.2 安装数据科学核心包

使用 pip 一次性安装所有核心包。建议使用 --break-system-packages 标志，因为 Ubuntu 26.04 默认使用 PEP 668 保护机制。

Bash

# 升级 pip 到最新版
pip install --upgrade pip --break-system-packages
# 安装数据科学全家桶
pip install --break-system-packages \
  jupyter numpy pandas matplotlib seaborn scikit-learn
# 验证安装
python3 -c "import numpy, pandas, matplotlib, sklearn; print('OK')"

安装过程大约需要 5-10 分钟，取决于手机性能。其中 scikit-learn 会编译部分 C 扩展，是最耗时的部分。如果安装中断，可以单独重装失败的包。

Bash

# 查看已安装版本
python3 -c "
import numpy as np, pandas as pd, matplotlib, sklearn
print(f'NumPy {np.__version__}')
print(f'pandas {pd.__version__}')
print(f'matplotlib {matplotlib.__version__}')
print(f'scikit-learn {sklearn.__version__}')
"

预期输出：NumPy 2.5.2、pandas 3.0.5、matplotlib 3.11.0、scikit-learn 1.9.0。看到这些版本号，意味着你的手机已经具备了桌面级的数据科学能力。

2.3 安装 Jupyter Lab（可选）

除了经典的 Jupyter Notebook，还可以安装更现代的 JupyterLab 界面。JupyterLab 4.6 提供了多标签页、文件浏览器、终端集成等更丰富的功能。

三、中文字体配置：解决 matplotlib 中文乱码

在手机上做数据分析，图表中的中文标题和标签经常显示为方框。这是因为 matplotlib 默认不包含中文字体。我们需要安装中文字体并配置 matplotlib 识别它。

3.1 安装中文字体

Bash

# 安装 Noto CJK 字体（Google 出品，覆盖中日韩）
apt install -y fonts-noto-cjk
# 刷新字体缓存
fc-cache -fv
# 验证字体已安装
fc-list | grep -i noto | grep -i cjk

安装完成后，会在 /usr/share/fonts/opentype/noto/ 目录下找到 NotoSansCJK 和 NotoSerifCJK 字体文件。

3.2 配置 matplotlib 中文字体

有两种方式让 matplotlib 使用中文字体：一次性配置（适合临时使用）和永久配置（推荐）。

Python

import matplotlib.pyplot as plt

from matplotlib import font_manager

font_manager.fontManager.addfont(

    '/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc'

)

plt.rcParams['font.sans-serif'] = ['Noto Sans CJK SC']

plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示

plt.title('中文标题测试')  # 应正常显示

Bash

# 创建 matplotlib 配置目录
mkdir -p ~/.config/matplotlib
# 写入字体配置
cat > ~/.config/matplotlib/matplotlibrc << 'EOF'
font.sans-serif: Noto Sans CJK SC, DejaVu Sans
axes.unicode_minus: False
figure.figsize: 10, 6
figure.dpi: 150
EOF

💡 小贴士

matplotlib 3.11 新增了对 TTC（TrueType Collection）字体的原生支持，不再需要手动拆分 TTC 文件为 TTF。直接用 addfont() 指定 .ttc 路径即可。

四、Jupyter Notebook 启动与远程访问

Jupyter Notebook 是一个 Web 应用，启动后会运行一个本地服务器，你通过手机浏览器访问它的界面。关键配置是让服务器监听所有网络接口（--ip=0.0.0.0），这样同一局域网的电脑也能访问。

4.1 设置访问密码

首次使用前，建议设置一个访问密码，避免每次复制 token 的麻烦。

4.2 启动 Jupyter 服务

Output

# 典型输出：
[I 2026-08-21 10:30:15 Server] Jupyter Notebook 7.6.2
[I 2026-08-21 10:30:15 Server] Serving jupyter notebook from /root/projects
[I 2026-08-21 10:30:15 Server] http://0.0.0.0:8888/notebook
[I 2026-08-21 10:30:15 Server] Use Control-C to stop this server

4.3 手机浏览器访问

输入之前设置的密码即可进入 Jupyter 主界面。Notebook 7.6 的界面基于 JupyterLab 4.6 内核重构，支持文件浏览器、多标签页编辑、单元格拖拽等功能。

💡 小贴士

Jupyter Notebook 7.6 的界面与经典版（6.x）完全不同，它采用了 JupyterLab 的前端架构。如果你习惯经典版，可以安装 nbclassic 扩展：pip install nbclassic

4.4 后台运行与开机自启

Bash

# 方式一：nohup 后台运行
nohup jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser > ~/jupyter.log 2>&1 &
# 方式二：tmux 会话（推荐，可随时查看日志）
tmux new -s jupyter
jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser
# 按 Ctrl-B 然后 D 退出 tmux（Jupyter 继续运行）
# 重新进入：tmux attach -t jupyter

五、pandas 数据分析实战：从 CSV 到洞察

环境就绪后，我们用一组销售数据来演示完整的 pandas 数据分析流程。首先创建一个示例数据集，然后逐步进行读取、清洗、分析和导出。

5.1 生成示例数据

在 Jupyter Notebook 中新建一个 Notebook，输入以下代码生成模拟销售数据并保存为 CSV。

Python

import pandas as pd

import numpy as np

np.random.seed(42)

dates = pd.date_range('2026-01-01', periods=100)

products = ['手机', '耳机', '充电器', '手机壳', '数据线']

regions = ['华东', '华南', '华北', '西南']

df = pd.DataFrame({

    '日期': np.random.choice(dates, 500),

    '产品': np.random.choice(products, 500),

    '地区': np.random.choice(regions, 500),

    '数量': np.random.randint(1, 50, 500),

上面只展示了部分行。完整代码还需包含 单价 列（用 random 生成 50-5000 的值），并写入 CSV：

Python

df['单价'] = np.random.uniform(50, 5000, 500).round(2)
df['销售额'] = df['数量'] * df['单价']
# 保存到共享目录（手机可见）
df.to_csv('/sdcard/sales_data.csv', index=False, encoding='utf-8-sig')
print(f'生成 {len(df)} 条记录')

5.2 数据读取与概览

Python

# 读取 CSV

df = pd.read_csv('/sdcard/sales_data.csv')

# 查看前 5 行

df.head()

# 基本信息：行数、列名、数据类型、内存占用

df.info()

# 数值列的统计摘要

df.describe()

# 检查缺失值

df.isnull().sum()

5.3 数据清洗与转换

Python

# 转换日期列为 datetime 类型

df['日期'] = pd.to_datetime(df['日期'])

# 提取月份和季度

df['月份'] = df['日期'].dt.month

df['季度'] = df['日期'].dt.quarter

# 删除重复行

df = df.drop_duplicates()

# 填充缺失值（如有）

df['数量'] = df['数量'].fillna(0)

print(f'清洗后 {len(df)} 条记录')

⚠️ 常见错误

pandas 3.0 默认使用 PyArrow 作为后端，某些旧的字符串操作方式可能不兼容。如果遇到 AttributeError，检查是否使用了已弃用的 .str 访问器方法。

5.4 分组聚合与透视表

pandas 最强大的功能之一是 groupby 分组聚合和 pivot_table 透视表，用于多维度交叉分析。

Python

# 按产品分组，统计总销售额和平均单价

product_stats = df.groupby('产品').agg(

    总销售额=('销售额', 'sum'),

    订单数=('销售额', 'count'),

    平均单价=('单价', 'mean')

).round(2)

print(product_stats.sort_values('总销售额', ascending=False))

Python

# 透视表：产品 × 地区，值=销售额总和
pivot = pd.pivot_table(
    df, values='销售额',
    index='产品', columns='地区',
    aggfunc='sum', fill_value=0
)
print(pivot)

六、matplotlib 数据可视化：让数据说话

数据分析的最终成果往往以图表呈现。matplotlib 是 Python 生态中最成熟的绘图库，配合 seaborn 的统计图层，可以创建专业级的可视化。

6.1 折线图：销售额趋势

Python

import matplotlib.pyplot as plt

import seaborn as sns

daily_sales = df.groupby('日期')['销售额'].sum()

plt.figure(figsize=(12, 5))

plt.plot(daily_sales.index, daily_sales.values, color='#be185d')

plt.title('每日销售额趋势', fontsize=16)

plt.xlabel('日期'); plt.ylabel('销售额（元）')

6.2 柱状图：各产品销售额对比

Python

product_sales = df.groupby('产品')['销售额'].sum().sort_values()

fig, ax = plt.subplots(figsize=(10, 6))

colors = ['#fda4af', '#f43f5e', '#be185d', '#9f1239', '#881337']

bars = ax.bar(product_sales.index, product_sales.values, color=colors)

ax.set_title('各产品销售额对比', fontsize=16)

# 在柱子顶部显示数值

for bar in bars:

在柱状图代码中，使用 bar.bar_label() 方法可以在每根柱子顶部显示数值，让图表更直观。

6.3 散点图与热力图

Python

# 子图布局：左散点图，右热力图

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5))

# 散点图：数量 vs 销售额

ax1.scatter(df['数量'], df['销售额'], alpha=0.5, color='#be185d')

ax1.set_title('数量与销售额关系'); ax1.set_xlabel('数量')

# 热力图：产品 × 地区销售额

sns.heatmap(pivot, annot=True, fmt='.0f', cmap='RdPu', ax=ax2)

ax2.set_title('产品地区销售额热力图')

plt.tight_layout()  # 自动调整间距

6.4 保存图表到手机存储

Python

# 保存为 PNG（300 DPI 高清）
plt.savefig('/sdcard/sales_dashboard.png', dpi=300, bbox_inches='tight')
plt.show()  # 在 Notebook 中显示
# 文件保存到 /sdcard 后，手机相册可直接查看

💡 小贴士

matplotlib 3.11 新增了 constrained_layout 参数，比 tight_layout 效果更好。创建 figure 时指定 plt.figure(constrained_layout=True) 即可自动避免标签重叠。

七、scikit-learn 机器学习入门：手机上训练第一个模型

scikit-learn 1.9 在手机上运行毫无压力。我们用销售数据训练一个简单的随机森林模型，预测产品销售额。这个例子涵盖了数据预处理、模型训练、评估的完整流程。

7.1 特征工程

Python

from sklearn.model_selection import train_test_split

from sklearn.ensemble import RandomForestRegressor

from sklearn.preprocessing import LabelEncoder

from sklearn.metrics import mean_squared_error, r2_score

# 编码分类变量

le_product = LabelEncoder(); le_region = LabelEncoder()

df['产品编码'] = le_product.fit_transform(df['产品'])

df['地区编码'] = le_region.fit_transform(df['地区'])

7.2 训练随机森林模型

Python

# 特征和标签

features = ['产品编码', '地区编码', '数量', '月份']

X = df[features]; y = df['销售额']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练模型

rf = RandomForestRegressor(n_estimators=100, random_state=42)

rf.fit(X_train, y_train)  # 手机上约 3-5 秒

# 预测

y_pred = rf.predict(X_test)

print(f'R² = {r2_score(y_test, y_pred):.4f}')

100 棵决策树的随机森林在手机上训练只需几秒钟。R² 分数会告诉你模型拟合的优劣——0.9 以上表示拟合良好。虽然这是模拟数据，但流程和真实场景完全一致。

7.3 特征重要性分析

Python

# 查看特征重要性
importance = pd.DataFrame({
    '特征': features,
    '重要性': rf.feature_importances_
}).sort_values('重要性', ascending=False)
print(importance)
# 可视化特征重要性
plt.figure(figsize=(8, 4))
plt.barh(importance['特征'], importance['重要性'], color='#be185d')
plt.title('特征重要性排序')

八、实用技巧与效率工具

8.1 nbconvert：命令行执行 Notebook

Jupyter Notebook 7.6 内置了 nbconvert 工具，可以在不打开浏览器的情况下执行 .ipynb 文件并导出结果。这在自动化报告生成场景中非常有用。

Bash

# 执行 Notebook 并输出结果
jupyter nbconvert --to notebook --execute analysis.ipynb \
  --output analysis_executed.ipynb --ExecutePreprocessor.timeout=300
# 导出为 HTML 报告
jupyter nbconvert --to html --execute analysis.ipynb \
  --output /sdcard/report.html
# 导出为 Markdown
jupyter nbconvert --to markdown analysis.ipynb

8.2 Jupyter 魔法命令

Jupyter 提供了一系列以 % 开头的魔法命令（magic commands），大幅提升交互式编程效率。

Python

# 测量代码执行时间
%%timeit
df.groupby('产品')['销售额'].sum()
# 查看变量内存占用
%memit df
# 内联显示 matplotlib 图表（默认已开启）
%matplotlib inline
# 加载外部 Python 文件为单元格内容
%load /root/projects/utils.py

8.3 性能优化建议

手机端数据科学性能优化清单

1. 数据量大时，用 dtype 指定列类型，减少内存占用

2. 超过 10 万行的数据，用 chunksize 分块读取

3. 避免在 Jupyter 中加载过大的模型，先用小数据验证流程

4. 使用 del 及时释放不需要的大对象

5. matplotlib 图表设置 dpi=150 而非 300，减少渲染压力

6. 训练机器学习模型时，先用 n_jobs=-1 利用全部 CPU 核心

动手练习

🟢 基础练习

1. 安装完整数据科学栈，验证所有包版本正确

2. 配置 matplotlib 中文字体，绘制一个带中文标题的简单折线图

3. 用 pandas 读取一个 CSV 文件（可用手机中的任意数据），执行 head() 和 describe() 观察结果

🟡 进阶练习

1. 生成示例销售数据，用 groupby 和 pivot_table 做多维度分析

2. 绘制包含折线图、柱状图、散点图和热力图的 2x2 子图布局

3. 将分析结果导出为 HTML 报告，保存到 /sdcard 并在手机浏览器中打开

🔴 高级练习

1. 使用 scikit-learn 训练一个分类模型（如 Iris 数据集分类），评估准确率

2. 编写一个 Jupyter Notebook，实现从 CSV 读取到生成可视化报告的完整流程，用 nbconvert 命令行自动执行

3. 搭建一个定时任务（结合第14篇的 cron），每天自动运行 Notebook 并生成 HTML 报告到 /sdcard

知识回顾

下一篇预告

17 桌面环境与 VNC 远程

proot Ubuntu 不仅能跑命令行工具，还能安装完整的图形化桌面环境。下一篇将介绍 XFCE 桌面安装、VNC 服务器配置，让你通过手机或电脑远程操控一个完整的 Linux 桌面。