Data-Science-For-Beginners Jupyter 笔记本运行缓慢怎么优化？
【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners
在 Data-Science-For-Beginners 仓库中按 INSTALLATION.md 搭建好 Python 虚拟环境并用jupyter notebook在仓库根目录启动课程后，运行各课目的.ipynb练习时，可能出现仓库故障排查文档中记录的两类现象：笔记本整体运行非常缓慢（Notebooks run very slowly），或某个单元格长时间卡在In [*]状态、执行“takes forever”。这篇文章按 TROUBLESHOOTING.md 中给出的处理路径，从内核层面、代码层面、数据层面到浏览器层面，给出文档中实际记录的优化步骤，每一步都标注了对应的现象和适用条件。
优化前的基准状态：标准方式启动 Jupyter
执行任何优化前先确认环境处于 USAGE.md 描述的标准状态：先激活虚拟环境，再从仓库根目录启动 Jupyter。
source venv/bin/activate # On macOS/Linux # OR venv\Scripts\activate # On Windows # Start Jupyter from the repository root jupyter notebook课程要求 Python 3.7 或更高版本，依赖包（jupyter、pandas、numpy、matplotlib、seaborn、scikit-learn）需已按 INSTALLATION.md 安装。
单元格卡在 In [*] 时：先中断，再重启内核
TROUBLESHOOTING.md 记录的对应问题是 “Cell stuck onIn [*]or takes forever”。按文档给出的顺序处理：
- 中断内核：点击工具栏的 “Interrupt” 按钮，或按快捷键
I, I。 - 重启内核：Kernel 菜单 → Restart。
- 检查代码中的死循环（Check for infinite loops in your code）。
- 清空输出：Cell → All Output → Clear。
判断依据：单元格不再停留在In [*]，能够正常执行完毕。若重启后仍反复出现卡死或内核报错（如 “Kernel keeps dying”），TROUBLESHOOTING.md 提供了重装内核的命令作为另一条路径：
python -m ipykernel install --user --name=datascience --display-name="Python (Data Science)"整体缓慢时：重启并清空输出、关闭多余笔记本
针对 “Notebooks run very slowly” 这一现象，TROUBLESHOOTING.md 列出的前两项处理是内核层面的：
- Restart kernel and clear output：Kernel → Restart & Clear Output。
- Close unused notebooks：关闭当前没有在工作中的其他笔记本，只保留正在练习的课目文件。
这两步不涉及修改任何仓库文件，是文档中给出的最低成本尝试，应先于代码和数据的修改执行。
代码层面：用向量化操作替换 Python 循环
文档 “Optimize code” 条目给出的示例是：逐元素循环拼接结果属于慢写法，NumPy/Pandas 的向量化表达式是快写法。
# Use vectorized operations instead of loops # Bad: result = [] for x in data: result.append(x * 2) # Good: result = data * 2 # NumPy/Pandas vectorization其中data为文档示例中的变量，对应你笔记本里的 NumPy 数组或 Pandas 列/索引。这个模式适用于你自己在练习中写的逐行循环；课程自带 notebook（如2-Working-With-Data/07-python/notebook.ipynb）里已有的代码若运行慢，可按同样原则改写。
数据层面：用采样和受限读取降低加载开销
课程的数据文件位于仓库的data/目录（见 AGENTS.md 的 “Working with Data Files” 说明）。数据层面有两类文档记录的手段，分别对应不同现象：
开发阶段用采样代替全量数据。文档 “Sample large datasets” 条目的说明是 “Work with sample during development”，即练习、调试阶段先在小样本上跑通，最后再考虑全量：
# Work with sample during development df_sample = df.sample(n=1000) # or df.head(1000)加载大文件时限制读取范围。TROUBLESHOOTING.md 将以下代码放在 “Memory Errors with Large Datasets”（加载大文件时出现MemoryError）一节的解决方案中，三种写法分别对应分块读取、只读指定列、指定更紧凑的数据类型：
# Read in chunks chunk_size = 10000 chunks = [] for chunk in pd.read_csv('large_file.csv', chunksize=chunk_size): # Process chunk chunks.append(chunk) df = pd.concat(chunks) # Or read specific columns only df = pd.read_csv('file.csv', usecols=['col1', 'col2']) # Use more efficient data types df = pd.read_csv('file.csv', dtype={'column_name': 'int32'})三个占位符需要替换：large_file.csv和file.csv替换为你实际加载的数据文件名（仓库自带数据如data/birds.csv、data/taxi.csv）；col1、col2替换为你真正需要读取的列名；column_name替换为要指定类型的列名。注意文档把这组代码标注为MemoryError场景的解法，如果你的现象只是运行慢而没有MemoryError，可以按同样方式限制读取范围，但文档没有给出慢场景下的固定预期收益。
现象是浏览器卡死时：可选的替代路径
如果你的现象不是单元格执行慢，而是浏览器崩溃或失去响应（文档中 “Browser crashes or becomes unresponsive”），TROUBLESHOOTING.md 给出的处理是：
- 关闭浏览器中不使用的标签页；
- 清除浏览器缓存；
- 提高浏览器内存设置（文档以 Chrome 为例：
chrome://settings/system）； - 改用 JupyterLab：
pip install jupyterlab jupyter lab这条分支只在你观察到浏览器层面的卡死时适用，与单元格执行慢是两种不同的现象，不要混在同一次排查里做。
文档记录的已知限制
AGENTS.md 的 “Performance Considerations” 一节明确记录了两点课程仓库范围内的固有限制：
- Large datasets may take time to load in notebooks（大数据集在笔记本中加载需要时间）；
- Visualization rendering can be slow for complex plots（复杂图表的渲染可能缓慢）。
也就是说，即便完成了上述全部步骤，大文件首次加载和复杂图形的出图仍可能较慢，文档将其列为已知特性而非可通过配置消除的问题。
仍无法解决时
按照 TROUBLESHOOTING.md “Getting Additional Help” 的要求，向社区提问时需要附上四项信息：操作系统、Python 版本（python --version）、完整报错信息、出错前的操作步骤，以及你已经尝试过的解决方案。排查前可再对照 INSTALLATION.md 与 USAGE.md 确认环境搭建是否偏离了文档标准路径。
【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
