【Python】Jupyter Notebookとは？インストールや使い方など開発環境構築まで解説！

プログラミング言語Pythonに限らず、多くのプログラミングは実行環境を構築する必要があります。

ここでは、アカデミック分野やデータサイエンス分野で分析に利用されるJupyter Notebookを解説します。

上記の悩みを解決しながら、Python実行環境であるJupyter Notebook（ジュピターノートブック）のインストールから使い方まで解説します。

Pythonの実行環境構築でつまずくと取り組みが遅れるため、ハンズオン形式で実施できるようまとめています。

Jupyter Notebookとは？

Jupyter Notebook（ジュピターノートブック）は、ブラウザ上で動作するGUIベースの対話型実行環境です。

主にデータ分析/データ可視化やAI/機械学習といった数学的な利用に用いられます。

Jupyter Notebookは、以下の分野や職種の方々に利用されています。

また、Jupyter Notebookは以下の特徴があります。

Jupyter Notebookはローカルサーバー上に実行環境を起動することで、インタラクティブ（対話型）な実行が可能であり、プログラムコードの実行結果が即座に確認できます。

Jupyter NotebookとJupyter Labの違い

Jupyter Notebookのほかに、Jupyter Notebookの後継機として開発されたJupyter Labがあります。

基本的に、Jupyter LabはNotebookの後継機として開発されているため、Notebookが持つ機能より高機能になっています。

特に、Jupyter Notebookの環境では開発画面をブラウザ上のタブによって実現していましたが、検索タブや別タブによる開発画面によって面倒なタブ切り替えが発生していました。

Jupyter Labでは複数の開発画面を実現しているため、非常に利便性が高まっています。

また、Jupyter Labはセルの入れ替えをドラッグ&ドロップできます。

Jupyter NotebookではなくJupyter Labを詳しく知りたい人は「【Python】Jupyter Labとは？インストールや使い方など開発環境構築まで解説！」を一読ください。

あわせて読みたい

【Python】Jupyter Labとは？インストールや使い方など開発環境構築まで解説！ プログラミング言語Pythonに限らず、多くのプログラミングは実行環境を構築する必要があります。 本記事の目的 Python実行環境の構築方法を知りたい人 Jupyter Labのイ…

関連記事は、Jupyter Labのインストールや起動方法、使い方から日本語化の設定までハンズオン形式で解説してます。
さらに、Jupyter Labの操作方法を画像解説をもとにJupyter Notebookの違いも記載してます。

Jupyter Notebookのインストール方法

Jupyter Notebook（ジュピターノートブック）は、主に以下の方法でインストールできます。

Macではターミナル、Windowsではコマンドプロンプトを使用してインストールします。

筆者は、Anacondaによる一括インストールをおすすめしていません。
理由としては、Anacondaのバージョンや互換性のない欠損ファイル等でJupyter Notebookが起動できない可能性があるためです。

また、全く環境構築ができていない場合を考え、以下の構築ステップを記載します。

STEP

Pythonのインストール

Pythonの公式サイトからインストーラーをダウンロードします。

Python.org

Welcome to Python.org The official home of the Python Programming Language

各OSに合わせたインストーラーを起動することでPythonを自身のPCにインストールできます。

Pythonの詳細なインストール手順や設定を画像で知りたい人は「【Python】ダウンロードとインストール方法から開発環境構築まで解説！」を一読ください。

あわせて読みたい

【Python】ダウンロードとインストール方法から開発環境構築まで解説！ これからPythonを始めたい初心者・入門者は、個人PCへのPython実行環境を準備する必要があります。 そのために、Pythonのダウンロード・インストールのほかに実行環境構…

関連記事は、Pythonのダウンロード・インストールと設定・環境構築を解説します。
記事を読み終えると、Pythonのダウンロードとインストール完了、実行環境の構築まで準備できます。

STEP

pipのバージョン確認

基本的に、Pythonをインストールした時点で付属モジュールとしてpipもインストールしています。

pipモジュールを利用することでJupyter Notebookのインストールが可能になります。

pip --version

上記のコードにて、pipモジュールのバージョンを確認できます。

STEP

Jupyter Notebookのインストール

Jupyter Notebookをインストールする場合は、以下のコマンドをターミナルあるいはコマンドプロンプトで実行します。

Pythonパッケージ管理ツールpipを利用することでインストールできます。

pip install jupyter

Jupyter Notebookを仮想環境に切り替えたい

Jupyter Notebookでデータ分析あるいは開発を実施する際、プロジェクトごとに専用の実行環境を作成し切り替えたいケースがあります。

プロジェクト管理がしやすいことやインストールする各ライブラリ/モジュールの干渉を防ぎエラーを発生させない意図があります。

また、このような開発/分析用として一時的に作成する実行環境を「仮想環境」と呼びます。

ローカル環境で開発/分析を進めるにあたり、venvモジュールを利用した仮想環境を構築します。

venvは、Pythonに標準搭載された仮想環境用モジュールです。

venvを利用することで、プロジェクトごとに分離したPython実行環境を構築できるため、各実行環境でそれぞれのパッケージを管理できます。

上記を含めてJupyter Notebookの仮想環境を構築していきます。

Jupyter Notebookの仮想環境を構築する（Windows）

仮想環境を構築するには、任意のディレクトリで以下のコマンドを実行します。

はじめに、WindowsではPowerShellを起動させ、作業ディレクトリを作成します。

mkdir jupyter-notebook-project

ここでは、ディレクトリ名として「jupyter-notebook-project」にしています。

次に、任意のディレクトリに移動します。

cd jupyter-notebook-project

任意のディレクトリに移動したら、以下のコマンドを実行しポリシーを変更します。

Set-ExcutionPolicy RemoteSigned CurrentUser

また、変更できたか確認したい場合は以下のコマンドで表示できます。

Get-ExecutionPolicy -Scope CurrentUser

応答で「RemoteSigned」が表示されれば変更完了です。

次に、以下のコマンドで仮想環境を作成します。

py -m venv venv

py -m venv ＜仮想環境パス＞

.\＜仮想環境パス＞\Scripts\activate

作成した仮想環境venvを有効化します。

.\venv\Scripts\activate

ここでは、Jupyter Notebookによる実行環境を作成していきます。

pip install jupyter

作成した仮想環境にインストールされたパッケージを確認する場合は、以下のコマンドを実行しましょう。

pip list

Pythonによる仮想環境を構築でき任意のディレクトリのみJupyter Notebookをインストールできた状態になります。

上記のように、特定のディレクトリでJupyter Notebookによる開発/分析が可能になりました。

Jupyter Notebookの起動方法

Jupyter Notebookを起動するには、以下のコードをMacであればターミナル、Windowsであればコマンドプロンプトにて実行します。

jupyter notebook

コードを実行すると、http://localhost:8888/treeにアクセスしてJupyter Notebookが起動します。

実際にJupyter Notebookを起動した表示画面が以下になります。

GUI操作によるブラウザ実行環境であるため、プログラミング初心者でも分かりやすい設計になっています。

Jupyter Notebookが起動しない場合の対処

Jupyter Notebookの実行環境を構築する際、AnacondaにてJupyter Notebookをインストールすると起動しないケースがあるようです。

Jupyter Notebookが起動しない場合の対処として、以下の4つを確認するとよいです。

公式ドキュメントに記載されていますが、サポートするブラウザはFirefox/Chrome/Safariの最新バージョンのため確認しておきましょう。

バックグラウンドによる起動ができており、ブラウザが開かない場合は一度http://localhost:8888/treeを手動でアドレスバーに入力してみましょう。

ネットワークによるセキュリティ制限の場合は、導入しているセキュリティソフト等のファイアウォール設定にて、Pythonがサーバーを動作させる際の禁止設定がないか確認しましょう。

パッケージ管理ツールなどの組み合わせでAnacondaを導入した場合、欠損ファイルが発生する可能性もあるため、Anacondaの再インストールを試みましょう。

Jupyter Notebookの日本語化

はじめにJupyter Notebook（ジュピターノートブック）の日本語化を設定しておくと、プログラミング初心者は利用しやすいです。

そのため、ここではJupyter Notebook（ジュピターノートブック）の日本語化の設定を解説します。

上記の画像は、Jupyter Notebook（ジュピターノートブック）日本語化パッケージをインストールする前であるため、「English」にチェックが入っています。

Macであればターミナル、Windowsであればコマンドプロンプトを起動し、pipでJupyter Notebook（ジュピターノートブック）日本語化パッケージをインストールします。

以下のpipコマンドをターミナルあるいはコマンドプロンプトにて実行してください。

pip install jupyterlab-language-pack-ja-JP

Jupyter Notebook（ジュピターノートブック）日本語化パッケージのインストール後、Jupyter Notebookを起動すると言語選択が可能になります。

これでJupyter Notebookの日本語化設定は完了です。

Jupyter Notebookの使い方

ここでは、Jupyter Notebookの基本的な使い方としていくつか利用例を解説します。

起動時の画面から、順を追って解説していきます。

ここでは、はじめに新規ファイル作成の手順を記載しています。

以下のコマンドをターミナルあるいはコマンドプロンプトにて実行し、Jupyter Notebookをブラウザ上で起動します。

jupyter notebook

起動すると、以下の画面が表示されます。

画面の左側には、フォルダ・ファイルの一覧が表示されています。

この一覧の中のフォルダの階層から、作業を実施するフォルダを選択してください。

ここでは、仮想環境フォルダである「venv」を例に進めています。

作業するフォルダを選択した後、右側の「New」メニューより「Python3」を選択してください。

選択するとブラウザ上に新しいタブが作成され、上記のような画面が表示されます。

画面の中に青枠で囲まれた領域を「セル」と言い、この中にプログラムを記述していきます。

セルの左端には[n]と表示されており、nは実行時に連番が表示されます。

試しに、セル内にコードを記述し実行してみましょう。（実行ショートカットキー：Shift + Enter）

Jupyter Notebookにおけるセルの使い方

Jupyter Notebookにおける基本的なセルの使い方を理解しておくと、UI操作が扱いやすくなります。

ここでは、以下の基本的なセルの使い方を解説します。

それぞれのセルの使い方を確認しておきましょう。

セルをたたむ

ここでは、Jupyter Notebookにおいてセルをたたむ操作を実行します。

上述で利用したセルを改めて確認してみます。

画像を確認すると、セルの左側に青色の縦棒が存在します。

縦棒にカーソルを合わせクリックすると、記述したプログラムの1行目以外が省略されセルをたたむことができます。

また、コード記述ができる状態にし、上部タブにある「表示」から「選択したコード折りたたむ」を選択してもセルをたたむことができます。

同じく「表示」から「選択したコードを展開」を選択すれば元のコードが展開されます。

セルの分割

次に、Jupyter Notebookにおけるセルの分割を実行します。

上記のセル内のコードにてカーソルを3行目の先頭に位置づけます。

上部タブの「編集」から「セルの分割」を選択すると、分けたいコードが別々のセルに分割されます。

また、セルの分割はショートカットキー「Shift + Ctrl + Minus(-)」でも実行できます。

セルの停止

セルの停止方法はシンプルです。

実行中のセルを手動で停止するには、[カーネル] > [中断] をクリックします。

または、ツールバーにある四角形の停止ボタンをクリックします。

セルの復元

あまりJupyter Notebookに慣れていない人であれば、思わぬ挙動が起きた際に注意が必要です。

ここでは、念のためセルの復元方法も簡潔に解説しておきます。

もしもセルを削除してしまい、元に戻したい場合に「編集」から「元に戻す」をクリックするとセルを復元することができます。

また、セルの復元はショートカットキー「Ctrl + Z」でも実行できます。

Markdown（マークダウン）の使い方

次にJupyter NotebookにおけるMarkdown（マークダウン）の使い方を解説します。

Jupyter Notebookでは、Markdown（マークダウン）と呼ばれる文章を記述でき、コードや実行結果含めた技術的なドキュメント作成や共有に役立てることもできます。

ここでは、試しにダミーデータを利用したデータ分析＆プロット表示に関するプログラムコードを記述して実行してみます。

pip install numpy scikit-learn matplotlib

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score

# ダミーデータの生成
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

# データをトレーニングセットとテストセットに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 線形回帰モデルの作成とトレーニング
model = LinearRegression()
model.fit(X_train, y_train)

# モデルを用いて予測
y_pred = model.predict(X_test)

# モデルの評価
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print("Mean Squared Error:", mse)
print("R^2 Score:", r2)

# 結果のプロット
plt.scatter(X, y, color='blue', label='Data points')
plt.plot(X_test, y_pred, color='red', linewidth=2, label='Regression line')
plt.xlabel('X')
plt.ylabel('y')
plt.legend()
plt.show()

次に、コードセルの一番上にマークダウン用セルを作成します。

作成したセルを選択した状態で、上部にある「セルタイプ」を選択します。

簡単にマークダウン記法を用いてプログラムの概要と各コード解説、コードの実用例まで記載しました。

また、上部タブの「表示」から「目次」を選択することで左側にマークダウン記法で記載した内容が反映された目次も確認できます。

ファイル名変更とファイル保存

次に、ファイル名の変更と保存方法について解説します。

ファイル名の変更についてはいくつか方法があります。

最上部にあるファイル名をクリックすることで、ファイル名の変更を実施できます。

また、上部タブの「ファイル」から「Rename」を選択することでもファイル名変更できます。

起動画面時に表示されていたtree画面でも、ファイル名変更が可能です。

次に、ファイルの保存方法ですが、非常に簡単です。

上部タブの「ファイル」から「Notebookを保存」を選択することでファイル保存できます。

また、Jupyter Notebookのショートカットキー「Ctrl + S」でもファイル保存できます。

Jupyter Notebookのファイル共有

Jupyter Notebookは、「.ipynb」といった独自形式の拡張子でファイルをダウンロード/アップロードすることができます。

ここでは、以下の機能を確認します。

ファイルを共有することでプログラムを別のJupyter Notebook環境へアップロードして実行結果を確認したり、プログラムをダウンロードして配布して他者がプログラムや実行結果を確認することが簡単にできます。

.ipynbファイルのダウンロード

ファイルのダウンロードは、起動画面時にファイル選択を行い左上にある「ダウンロード」をクリックするとダウンロードできます。

.ipynbファイルのアップロード

ファイルのアップロードは、起動画面時に右上にある「Upload」をクリックするとファイル選択画面に移行するため、上げたいファイルを選択しアップロードできます。

Jupyter Notebookの.ipynbファイルをpythonファイルに変換

Jupyter Notebookは、独自形式の拡張子である「.ipynb」を採用しているため、Pythonファイルである「.py」で利用することができません。

ここでは、直接Jupyter NotebookからPythonファイルの拡張子である「.py」ファイルとしてダウンロードする方法を解説します。

上記画像のように、上部タブの「ファイル」から「Save and Export Notebook as」にカーソルを合わせ、「実行可能なスクリプト」をクリックすると.pyファイルをダウンロードできます。

#!/usr/bin/env python
# coding: utf-8

# # ライブラリのインポート
# ・numpy は数値計算（特に配列操作）を行うためのライブラリ。  
# ・matplotlib.pyplot はデータ可視化用のライブラリ。  
# ・sklearn.linear_model.LinearRegression は線形回帰モデルを提供。  
# ・sklearn.model_selection.train_test_split はデータを学習用とテスト用に分割。  
# ・sklearn.metrics の mean_squared_error と r2_score はモデルの評価指標。  
# 
# # ダミーデータの生成
# ・np.random.seed(0) はランダム値の再現性を確保。  
# ・X = 2 * np.random.rand(100, 1) は 𝑋 の値を [0, 2] の範囲で100個生成。  
# ・y = 4 + 3 * X + np.random.randn(100, 1) により、線形関係 y = 4 + 3X に ノイズ (np.random.randn()) を加えてデータを作成。  
# 
# # データの分割
# ・train_test_split() を使って、データの 80% を学習用、20% をテスト用 に分割。  
# 
# # 線形回帰モデルの作成と学習
# ・LinearRegression() で線形回帰モデルを作成。  
# ・fit(X_train, y_train) で モデルを学習（最適なパラメータを計算）。  
# 
# # モデルの予測
# ・model.predict(X_test) を使って テストデータの 𝑋 に対する 𝑦 の予測値 を計算。  
# 
# # モデルの評価
# ・MSE（Mean Squared Error, 平均二乗誤差）  
# 　予測と実測値の誤差の二乗の平均。小さいほど良い。  
# ・R²スコア（決定係数）  
# 　モデルの説明力（0〜1の範囲で1に近いほど良い）。  
# 
# # 結果の可視化
# ・データ点（青） を散布図として描画。  
# ・予測結果（赤の回帰直線） を描画。  
# ・plt.show() でグラフを表示。  
# 
# # コードの活用例
# 1. 売上予測  
#  X を 広告費、y を 売上 とすると、広告費が増えたときの売上予測ができる。  
# 2. 住宅価格予測  
#  X を 面積、y を 住宅価格 として、面積が増えた場合の価格の予測が可能。  
# 3. 体重とカロリー消費の関係  
#  X を 運動時間、y を 消費カロリー として、運動時間に応じた消費カロリーを予測。  
#   
# このように、一つの変数が増えることで別の変数がどう変わるか を分析するのに適した手法です。  

# In[4]:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score

# ダミーデータの生成
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

# データをトレーニングセットとテストセットに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 線形回帰モデルの作成とトレーニング
model = LinearRegression()
model.fit(X_train, y_train)

# モデルを用いて予測
y_pred = model.predict(X_test)

# モデルの評価
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print("Mean Squared Error:", mse)
print("R^2 Score:", r2)

# 結果のプロット
plt.scatter(X, y, color='blue', label='Data points')
plt.plot(X_test, y_pred, color='red', linewidth=2, label='Regression line')
plt.xlabel('X')
plt.ylabel('y')
plt.legend()
plt.show()

マークダウン形式による概要もコメントアウトでしっかり出力してくれます。

Jupyter Notebookの終了方法

最後に、Jupyter Notebookの終了方法です。

上部タブの「ファイル」から「Close and Shut Down Notebook」をクリックすればJupyter Notebookを終了できます。

Jupyter Notebookの拡張機能のインストール方法

Jupyter Notebookには、拡張機能を追加することができます。

「nbextensions」といった拡張機能ツールをインストールする必要があります。

以下のコマンドをターミナルあるいはコマンドプロンプトにて実行します。

conda install -c conda-forge jupyter_contrib_nbextensions

拡張機能の有効化を実行するには、Jupyter Notebookを再起動し「nbextensions」タブから必要な拡張機能を有効化しましょう。

Jupyter Notebookをオンラインで利用する

Jupyter Notebookを自身のPC上で展開するにあたり、問題が起こるケースもあります。

様々な問題が個々人のPCによって発生すると推測しますが、Jupyter Notebookをオンラインで活用することも可能です。

以下は、Jupyter Notebookの機能をオンライン上で利用できるサービスになります。

以下は、各サービスの比較表になります。

筆者のおすすめは、Google ColaboratoryによるJupyter Notebookの活用です。

Googleアカウントがあればすぐにサービス利用ができる他、機械学習に活用されるTensorFlowやKeras/scikit-learnなど機械学習フレームワークやライブラリが既にインストールされています。

また、保存容量が多い点やハイスペックな環境も整備されているなど利点が数多くあります。

Google上の様々なサービスと連携も可能であり、使い勝手が非常に良いです。

Google Colaboratoryによるオンライン上のJupyter Notebookを利用したい人は「【Python】Google Colaboratoryとは？料金から使い方まで網羅的に解説！」を一読ください。

あわせて読みたい

【Python】Google Colaboratoryとは？料金から使い方まで網羅的に解説！ 本記事では、Google Colaboratory（略称: Google Colab）の基本的な使い方を網羅的にまとめています。 本記事のまとめ Google Colabのメリットとデメリット Google Cola…

関連記事は、Google Colaboratoryの基本的な使い方とファイル操作を解説してます。
また、グーグルコラボのTipsや定期実行に関する内容も記載してます。

Jupyter Notebookが使いにくい場合

Jupyter Notebookが起動し利用できるが、操作面に対して使いにくい場合があります。

Jupyter Notebookが使いにくい場合、以下を検討してみるのもよいでしょう。

快適な環境を手に入れることで、Jupyter Notebookは使いやすくなっていきます。

Jupyter Notebookのショートカットキー活用

Jupyter Notebookには、上部タブで様々な機能が備えられています。

しかし、それらを毎度カーソルで操作するとかえって時間を取られてしまい、操作性が悪く開発効率が悪化します。

以下は、Jupyter Notebookの代表的なショートカットキーになります。

また、画面操作やサイドバー操作など数多くのショートカットキーが存在するので、詳細は以下の画像のように一覧表を確認してください。

「Show Keyboard Shortcuts…」をクリックすると一覧表が確認できます。

Jupyter Labへの移行

ショートカットキーといったJupyter Notebookの操作性だけでなく、以下の使いにくい場面もあると思います。

これらの悩みを解決するものとして、Jupyter Notebookの後継機であるJupyter Labがおすすめです。

Jupyter Labは操作改善や多機能実装が実施され、Jupyter Notebookよりも使いやすい環境になっています。

Jupyter Labのインストールを検討したい人は「【Python】Jupyter Labとは？インストールや使い方など開発環境構築まで解説！」を一読ください。

あわせて読みたい

【Python】Jupyter Labとは？インストールや使い方など開発環境構築まで解説！ プログラミング言語Pythonに限らず、多くのプログラミングは実行環境を構築する必要があります。 本記事の目的 Python実行環境の構築方法を知りたい人 Jupyter Labのイ…

関連記事は、Jupyter Labのインストールや起動方法、使い方から日本語化の設定までハンズオン形式で解説してます。
さらに、Jupyter Labの操作方法を画像解説をもとにJupyter Notebookの違いも記載してます。