• C:\Windows\Fonts 目录下找到 Mircosoft YaHei UI 字体,然后复制到 [你的Python安装路径]/Lib/site-packages/matplotlib/mpl-data/fonts/ttf 目录下即可解决 Matplotlib 中文乱码的问题。
  • Jupyter Notebook的27个秘诀,技巧和快捷键
  • jupyter notebook 嵌入到博客
    在博客(MarkDown模式)里嵌入如下代码:

    [code]
    <iframe src="https://nbviewer.jupyter.org/github/Papers-Collection/Xinet-Collection/blob/master/LaTeX%20从零开始快速入门.ipynb" width="850" height="500"></iframe>

    src 里面写入自己想引用的源链接,但必须基于 nbviewer.jupyter.org ;你可以打开http://nbviewer.jupyter.org 查看相关的使用方法; 这里
    [code]

    1 字体、颜色、字号

    MarkDown全篇是统一使用黑色微软雅黑字体,字号默认为3,而HTML却可以像Word那样灵活,引入大量字体包、颜色和字号,例如在MarkDown:

    Hello world
    - <font face="黑体"> 黑体: Hello world </font>
    - <font face="STCAIYUN"> STCAIYUN: hello world </font>
    - <font face="Terminal"> Terminal: Hello world </font>
    - <font face="Consolas"> Consolas: Hello world </font>
    - <font face="Consolas" size=3 color=#DC143C> Consolas,2,#DC143C: Hello world </font>
    - <font face="Consolas" size=4 color=(220, 20, 60)> Consolas,2,(220, 20, 60): Hello world </font>
    - <font face="Consolas" size=5 color=Crimson> Consolas,2,Crimson: Hello world </font>
    - <font face="Consolas" size=7 color=#0099ff> Consolas,2,Crimson: Hello world </font>

    展示如下:

    Hello world

  • 黑体: Hello world
  • STCAIYUN: hello world
  • Terminal: Hello world
  • Consolas: Hello world
  • Consolas,2,#DC143C: Hello world
  • Consolas,2,(220, 20, 60): Hello world
  • Consolas,2,Crimson: Hello world
  • Consolas,2,Crimson: Hello world
  • font 主要包含三个参数:字体( face ),字号( size )和颜色( color ),顺序可调,也可缺省。

    size 的可选范围为 1-7 ,小于 \(1\) 的数值等价于 \(1\) ,超过 \(7\) 的数值等价于 \(7\) ); color 的赋值既可以使用颜色名,例如 Blue Black Crimson 等,也可以使用十六进制的颜色值 #0000FF #000000 #DC143C 等,如果想了解更多,可以阅读博客: CSDN-markdown编辑器语法——字体、字号与颜色

    2 数学字符及公式

    再来看数学字符及公式,MarkDown 中使用标识符 $$ $$$$ 即可表示引入 LaTeX 语法,前者使用时不换行,即在所使用位置使用 LaTeX 的格式,后者会换行后居中,例如:

    f(x;\mu,\sigma^2) = \frac{1}{\sigma\sqrt{2\pi}} e^{ -\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2 } \tag{1} where $\mu$ is the mean value, $\sigma^2$ is standard deviation.

    展示如下:

    f(x;\mu,\sigma^2) = \frac{1}{\sigma\sqrt{2\pi}} e^{ -\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2 } \tag{1}

    where \(\mu\) is the mean value, \(\sigma^2\) is standard deviation.

    一些基本的LaTeX公式命令可参考: Markdown公式(二)

    下面说下矩阵和表达式:

    \left[ \begin{matrix} b_{1}&c_{1}& & & &0 \\ a_{2}&b_{2}&c_{2}& & & \\ &a_{3}&b_{3}&\ddots& & \\ & &\ddots&\ddots&c_{n-1} & \\ 0& & & &a_{n}&b_{n} \end{matrix}\right] \left[ \begin{matrix} x_{1} \\ x_{2} \\ x_{3} \\ \vdots\\ x_{n} \end{matrix}\right] = \left[ \begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ \vdots\\ d_{n} \end{matrix}\right] \tag{2} $$ c'_i = \begin{cases} \begin{array}{lcl} \cfrac{c_i}{b_i} & & ; i = 1 \\ \cfrac{c_i}{b_i - a_i c'_{i - 1}} & & ; i = 2, 3, \dots, n-1 \\ \end{array} \end{cases} \tag{3}$$ \left[ \begin{matrix} b_{1}&c_{1}& & & &0 \\ a_{2}&b_{2}&c_{2}& & & \\ &a_{3}&b_{3}&\ddots& & \\ & &\ddots&\ddots&c_{n-1} & \\ 0& & & &a_{n}&b_{n} \end{matrix}\right] \left[ \begin{matrix} x_{1} \\ x_{2} \\ x_{3} \\ \vdots\\ x_{n} \end{matrix}\right] = \left[ \begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ \vdots\\ d_{n} \end{matrix}\right] \tag{2}

    \[ c'_i = \begin{cases} \begin{array}{lcl} \cfrac{c_i}{b_i} & & ; i = 1 \\ \cfrac{c_i}{b_i - a_i c'_{i - 1}} & & ; i = 2, 3, \dots, n-1 \\ \end{array} \end{cases} \tag{3}

    3 图片排版

    以网络上的一段图文为例:

    <DIV ALIGN="CENTER">
    <TABLE><CAPTION ALIGN="BOTTOM"><STRONG>Fig 1:</STRONG> Rigidly terminated string with the simplest frequency-dependent loss filter.  All loss factors (possibly including losses due to yielding terminations) have been consolidated at a single point and replaced by a one-zero filter approximation.</CAPTION>
    ![KarplusStrong](http://img.blog.csdn.net/20150925112421105)
    </TABLE>
    

    imshow:

    ![KarplusStrong](http://img.blog.csdn.net/20150925112421105)Fig 1: Rigidly terminated string with the simplest frequency-dependent loss filter. All loss factors (possibly including losses due to yielding terminations) have been consolidated at a single point and replaced by a one-zero filter approximation.

    当然也可以简化只使用 <center>

    <center>
    ![Panda](http://img.blog.csdn.net/20151109165400641)
    Panda
    </center>
    ![Panda](http://img.blog.csdn.net/20151109165400641)Panda

    MarkDown 图片大小问题

    引用自:文章链接: http://blog.csdn.net/yhl_leo/article/details/50099843

    MarkDown里显示图片的方式可以引入 HTML 方法:

    \(512 \times 512\) 的 lena 图像为例:

    直接以MarkDown插入图片的方法,图片就会靠在左侧,大小也不由自己决定:

    ![lena](https://yqfile.alicdn.com/img_163cb7885672079cb727aad8617c4369.jpeg)

    固定图片显示大小:

    <img src="https://yqfile.alicdn.com/img_163cb7885672079cb727aad8617c4369.jpeg" width=256 height=256 />
  • 其中 src 后面接的就是图像对象,widthheight 设置的是显示图像的尺寸。
  • 根据一定比例显示:

    <img src="https://yqfile.alicdn.com/img_163cb7885672079cb727aad8617c4369.jpeg" width="50%" height="50%" />

    如果想给图像加个标注

    可以这么做:

    <center>
    <img src="https://yqfile.alicdn.com/img_163cb7885672079cb727aad8617c4369.jpeg" width="25%" height="25%" />
    Figure 1. Lena
    </center>
    img_163cb7885672079cb727aad8617c4369.jpeFigure 1. Lena

    如果想让图和标注间距离增大,可以这么做:

    注意<center>...</center> 表示居中

    <center>
    <img src="https://yqfile.alicdn.com/img_163cb7885672079cb727aad8617c4369.jpeg" width="25%" height="25%" />
    Figure 1. Lena
    </center>
    img_163cb7885672079cb727aad8617c4369.jpe$ $$ $Figure 1. Lena

    图片的对齐方式

    使用 html 中的 div 标签,它有个对齐属性 align,可以指定为 leftcenterright 以实现左对齐居中对齐右对齐。不过经我实验,这种方式 div 标签之间不能放 Markdown 图片链接语法,而只能是 html 的语法格式,因此还要配合 <img> 标签使用。

    <div align="center">
    <img src="http://imgtech.gmw.cn/attachement/jpg/site2/20111223/f04da22d7ba7105e1d7507.jpg"  alt="CSDN图标" />
    

    更多参考Markdown 简明语法参考

    至于更复杂的操作,可以查阅更多资料。对于使用一些网页上不错的用法时,建议可以通过查看网页源码,找到对应的HTML源码,稍作调整即可应用到文档写作中:

    探寻有趣之事!
    Jupyter Notebook:让编程就像搭积木
    当我们想要进行类似机器学习、大数据这样的分析编程时,如果是在例如 PyChram 这样的编译器上写,一般是要把整个代码文件写完,然后再运行。这样的缺点就是如果中间某行出现了 Bug,我们就要排除,然后再重新运行整个文档,或者是 Debug。 但是如果是在 Jupyter Notebook 上,我们就可以一小块一小块的去运行,碰到不合预期的结果,可以很方便的回到特定的单元,去输出各种变量,排查错误。