作者：Hans Fangohr
顾宇华
本文约建议阅读
本文介绍了一些有趣的东西Jupyter/IPython笔记本。
入门教程
编程与计算机科学
统计学、机器学习和数据科学
数学、物理、化学、生物学
地球科学和地理空间数据
语言学和文本挖掘
信号处理
工程教育
科学计算的一般主题
社交数据
心理学和神经科学
机器学习、统计和概率
物理、化学和生物学
经济与金融
地球科学和地理空间数据
数据可视化和绘图
数学
信号、声音和图像处理
自然语言处理
用于数据分析Pandas
Julia
Haskell
Ruby
Perl
F＃
C＃
Javascript
注：5—10在下篇。
首先，如何在笔记本中运行代码。这里面还有IPython 的一系列笔记本合集。这个系列中关于丰富的显示系统的解释也十分有用。
在笔记本中运行代码
https://nbviewer.jupyter.org/github/jupyter/notebook/blob/master/docs/source/examples/Notebook/Running%20Code.ipynb
一个很棒的matplotlib教程，是JR Johansson 使用Python进行科学计算的精彩讲座的一部分。
matplotlib教程
https://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb
使用Python进行科学计算
https://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/tree/master/
C. Rossant 的IPython迷你书的代码，介绍了用于交互式计算和数据可视化的IPython，NumPy，SciPy，Pandas和matplotlib。
IPython迷你书
https://github.com/rossant/ipython-minibook
由Rajath Kumar MP撰写的《Python指南》（Python Tutorial）。
《Python指南》
https://github.com/rajathkmp/Python-Lectures
使用Jupyter的自动机和可计算性，整个课程是基于Taylor和Francis即将出版的书; 书名：“Automata and Computability：Programmer's Perspective”，作者：Ganesh Gopalakrishnan，盐湖城犹他大学计算机学院教授。[英文书，有Youtube视频]
使用Jupyter的自动机和可计算性
https://nbviewer.jupyter.org/github/ganeshutah/Jove/blob/master/notebooks/driver/Drive_Jove_Gallery_Examples.ipynb
编程简介（使用Python）（Introduction to Programming (using Python)），这是由Eric Matthes编写的完整的Python入门课程。这篇文章介绍了Eric任职的阿拉斯加高中的教育背景。
编程简介（使用Python）（Introduction to Programming (using Python)）
https://nbviewer.jupyter.org/github/ehmatthes/intro_programming/blob/master/notebooks/index.ipynb
Eric Matthes
https://peak5390.wordpress.com/about/
这篇文章
https://peak5390.wordpress.com/2013/09/22/how-ipython-notebook-and-github-have-changed-the-way-i-teach-python/
数字计算很有趣。创建这一系列笔记本旨在帮助教育有抱负的计算机程序员和所有年龄段的没有编程经验的数据科学家。
数字计算很有趣
https://github.com/eka-foundation/numerical-computing-is-fun
《Python for Developers》，Ricardo Duarte编写的一本关于Python编程的完整书籍。此书籍也包含葡萄牙语版本。
《Python for Developers》
http://ricardoduarte.github.io/python-for-developers
Ricardo Duarte
https://github.com/ricardoduarte
葡萄牙语版本
http://ricardoduarte.github.io/python-para-desenvolvedores
CS1001.py - 计算机科学概论。特拉维夫大学的计算机科学入门课程，由Yoav Ram组组合为IPython笔记本。
CS1001.py - 计算机科学概论
https://github.com/yoavram/CS1001.py
Yoav Ram
http://www.yoavram.com/
使用Python进行探索性计算，这是一套涵盖探索性计算，数据分析和可视化的15本笔记本。无需编程经验。每个笔记本包含一些练习（带答案），所需时间不到4小时。由Mark Bakker为代尔夫特理工大学的本科工程专业学生开发。
使用Python进行探索性计算
http://mbakker7.github.io/exploratory_computing_with_python/
了解进化策略和协方差矩阵适应，来自Luis Martí的高级进化计算的理论与实践课程。
了解进化策略和协方差矩阵适应
https://nbviewer.jupyter.org/github/lmarti/evolutionary-computation-course/blob/master/AEC.04%20-%20Evolutionary%20Strategies%20and%20Covariance%20Matrix%20Adaptation.ipynb
高级进化计算的理论与实践课程
https://nbviewer.jupyter.org/github/lmarti/evolutionary-computation-course/tree/master/
用Python编写Katas，包括搜索和排序算法，堆栈，队列，链表，图形，回溯和贪婪问题的算法和数据结构练习的集合。
用Python编写Katas
https://github.com/gudnm/codekatas
在剑桥大学工程学院的计算机课程（Michaelmas Term）Part IA的Jupyter笔记本活动，Garth Wells。
在剑桥大学工程学院的计算机课程（Michaelmas Term）Part IA的Jupyter笔记本活动
https://notebooks.azure.com/null/projects/null
《用于计算科学与工程的Python简介（Hans Fangohr）》：初学者教材，每章分为一个Jupyter笔记本。可以使用Binder在线执行和交互。
《用于计算科学与工程的Python简介（Hans Fangohr）》
https://github.com/fangohr/introduction-to-python-for-computational-science-and-engineering/blob/master/Readme.md
在线执行和交互
https://mybinder.org/v2/gh/fangohr/introduction-to-python-for-computational-science-and-engineering/master?filepath=index.ipynb
由Leif Rune Hellevik，Vinzenz Eck和Jacob T. Sturdy 为心血管建模的不确定性量化和灵敏度分析研讨会开发的关于不确定性量化和灵敏度分析的介绍性笔记本。
心血管建模的不确定性量化和灵敏度分析研讨会
http://sathercenter.berkeley.edu/peder-sather-grant/2016-grantees/
不确定性量化和灵敏度分析的介绍性笔记本
https://nbviewer.jupyter.org/github/lrhgit/uqsa_tutorials/blob/master/index.ipynb
Python数据科学手册补充材料，由Jake VanderPlas撰写的配合书本教学内容的笔记本集合。
Python数据科学手册补充材料
https://github.com/jakevdp/PythonDataScienceHandbook
“ISP”：Introduction to Statistics with Python，一个笔记本合集，配合由Thomas Haslwanter的同名书。
“ISP”：Introduction to Statistics with Python
https://github.com/thomas-haslwanter/statsintro_python
John Wittenauer 的，关于Andrew Ng的在线ML课程，Spark和TensorFlow的练习笔记本，以及来自scipy堆栈的其他工具的额外材料。
关于Andrew Ng的在线ML课程，Spark和TensorFlow的练习笔记本
https://github.com/jdwittenauer/ipython-notebooks
AM207：蒙特卡罗方法，随机优化：来自哈佛大学的Verena Kaynig-Fittkau和Pavlos Protopapas的完整课程，所有讲座材料和家庭作业都被整合为笔记本。
AM207：蒙特卡罗方法，随机优化
http://am207.github.io/2016/
贝叶斯推理的介绍，这只是由Cameron Davidson-Pilon正在撰写的书的第一章：使用为黑客设计的Python和PyMC概率编程和贝叶斯方法（Probabilistic Programming and Bayesian Methods for Hackers Using Python and PyMC）。
贝叶斯推理的介绍
http://nbviewer.jupyter.org/github/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/blob/master/Chapter1_Introduction/Ch1_Introduction_PyMC3.ipynb
贝叶斯数据分析：用于选择模型和图形的Python / PyMC3代码，来自John Kruschke（2015）出版的“做贝叶斯数据分析：R，JAGS和Stan的教程”第二版。
贝叶斯数据分析
https://github.com/JWarmenhoven/DBDA-python
学习数据科学，这是Nitin Borwankar的完全自学课程。
学习数据科学
http://learnds.com/
Cyrille Rossant的IPython Cookbook，Python数据科学综合指南。GitHub存储库中提供了100个代码。
GitHub存储库
https://github.com/ipython-books/cookbook-code
Hannes Schulz和Andreas Mueller 的介绍使用Python和scikit-learn（repo和overview）的机器学习。
介绍使用Python和scikit-learn（repo和overview）的机器学习
https://nbviewer.jupyter.org/github/temporaer/tutorial_ml_gkbionics/blob/master/2%20-%20KMeans.ipynb
都灵大学机器学习课程的进阶笔记本合集（附练习）。
都灵大学机器学习课程的进阶笔记本合集（附练习）
https://github.com/rugantio/MachineLearningCourse
聚类和回归，是Michael Franklin教授的加州大学伯克利分校2014年数据科学入门课程的一部分。
聚类和回归
https://nbviewer.jupyter.org/github/amplab/datascience-sp14/blob/master/hw2/HW2.ipynb
据科学入门课程
http://amplab.github.io/datascience-sp14/
神经网络，是Aaron Masino 机器学习系列的一部分。
神经网络https://nbviewer.jupyter.org/github/masinoa/machine_learning/blob/master/04_Neural_Networks.ipynb
Pandas介绍，由HernánRojas撰写的关于Pandas的11节课教程的一部分。
撰写的关于Pandas的11节课
https://bitbucket.org/hrojas/learn-pandas
Steve Phelps的使用Python的数据科学和大数据。
使用Python的数据科学和大数据
https://github.com/phelps-sg/python-bigdata/blob/master/README.md
该Statsmodels项目有两个优秀的的例子集合：在他们的官方文档和wiki中另一个文档中。那里有太多要直接复制的内容，但它们提供了有关Python统计建模的优秀学习资料。
Statsmodels
http://www.statsmodels.org/stable/index.html
官方文档
http://www.statsmodels.org/devel/examples/index.html
使用Shogun工具箱进行机器学习。这是一个完整的服务，包括一个可立即运行的包含一系列笔记本的IPython实例，说明了Shogun工具箱的使用。只需登录并开始运行示例。
Shogun
http://shogun-toolbox.org/
Python for Data Analysis，来自CU Boulder Research Computing Group的入门系列。
Python for Data Analysis
https://github.com/ResearchComputing/Meetup-Fall-2013
CU Boulder Research Computing Group
http://researchcomputing.github.io/
Kaggle bulldozers竞赛示例，由Daniel Rodríguez开发的使用copper toolkit的探索性数据分析教程之一。
理解模型可靠性，是Michael Waskom 的为心理学家进行统计和数据分析的完整课程的一部分。
理解模型可靠性https://nbviewer.jupyter.org/github/mwaskom/Psych216/blob/master/week6_tutorial.ipynb
线性模型的图形表示，Seaborn统计可视化库的图示，还包括可视化数据分布和表示时间序列图中的可变性。由Micheal·Waskom撰写。
Desperately Seeking Silver，哈佛大学CS 109数据科学课程的家庭作业之一。
Desperately Seeking Silver
https://nbviewer.jupyter.org/github/cs109/content/blob/master/HW2.ipynb
James，Witten，Hastie，Tibshirani（2013）的经典的“R的应用程序的统计学习简介”中，除了本书的默认R示例之外，还有一本笔记本。一个由Jordi Warmenhoven撰写，另一个由Matt Caudill撰写。
“R的应用程序的统计学习简介”
http://www-bcf.usc.edu/~gareth/ISL/
StatLearning练习的Python笔记本，用于StatLearning的R实验室的Python实现：来自斯坦福大学的统计学习在线课程，由Trevor Hastie教授和Rob Tibshirani教授。
StatLearning练习的Python笔记本
https://github.com/sujitpal/statlearning-notebooks
使用Python的应用预测建模，来自Max Kuhn和Kjell Johnson 着名的入门书籍Applied Predictive Modeling的 Python实例（最初用R编写）。
使用Python的应用预测建模
https://nbviewer.jupyter.org/github/leig/Applied-Predictive-Modeling-with-Python/tree/master/notebooks/
来自哥伦比亚大学Lede计划的多个教师的数据科学，算法和数据库基础的四门课程合集。
计划的多个教师的数据科学，算法和数据库基础的四门课程
https://nbviewer.jupyter.org/github/ledeprogram/courses/tree/master/
SciPy和OpenCV作为计算机视觉的交互式计算环境，由Thiago Santos提供，这是一个在2014年SIBGRAPI上发布的教程。
SciPy和OpenCV作为计算机视觉的交互式计算环境
https://nbviewer.jupyter.org/github/thsant/scipy4cv/tree/master/
Python的卡尔曼和贝叶斯过滤器，由Roger Labbe提供。
Python的卡尔曼和贝叶斯过滤器
https://nbviewer.jupyter.org/github/rlabbe/Kalman-and-Bayesian-Filters-in-Python/blob/master/table_of_contents.ipynb
由Shashwat Shukla提供的 进行数字分类的Adaboost。在Python中完整实现Adaboost，带有数字识别代码。
进行数字分类的Adaboost
https://nbviewer.jupyter.org/github/riddhishb/ipython-notebooks/blob/master/Adaboost/Adaboost_Final%20note.ipynb
一个机器学习笔记本，由Randal. S. Olson提供，是数据分析和机器学习系列的一部分。
一个机器学习笔记本
https://nbviewer.jupyter.org/github/rhiever/Data-Analysis-and-Machine-Learning-Projects/blob/master/example-data-science-notebook/Example%20Machine%20Learning%20Notebook.ipynb
Pandas .head() to .tail()，由Tom Augspurger撰写的关于Pandas的深度教程。
Apache SINGA教程。使用SINGA进行深度学习的Python教程。
Apache SINGA教程
https://nbviewer.jupyter.org/github/apache/incubator-singa/blob/master/doc/en/docs/notebook/index.ipynb
数据科学笔记本，由Donne Martin经常更新的统计推断，数据分析，可视化和机器学习笔记本。
数据科学笔记本
https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/README.md
ETL with Python，ETL（Extract，Transfer和Load）教程，使用python petl包，加载到MySQL并使用csv文件，由Dima Goldenberg提供。
ETL with Python
https://github.com/dimgold/ETL_with_Python/blob/master/README.md
单原子激光模型。这是使用JR Johansson的使用QuTiP的关于量子力学和量子光学的完整讲座之一。
单原子激光模型
https://nbviewer.jupyter.org/github/jrjohansson/qutip-lectures/blob/master/Lecture-2B-Single-Atom-Lasing.ipynb
二维刚体转换。这是生物力学和电机控制中的科学计算的一部分，这是由Marcos Duarte撰写的完整的笔记本系列。
二维刚体转换
https://nbviewer.jupyter.org/github/demotu/BMC/blob/master/notebooks/Transformation2D.ipynb
使用yt的天体物理模拟和分析：使用各种与yt的接口代码的示例笔记本集合：Enzo，Gadget，RAMSES，PKDGrav和Gasoline。注意：yt抛出了一个ssl警告，似乎是由于一个过期的或自签名的认证。
Working with Reactions，rdkit项目的一系列关于化学信息学和机器学习的教程的一部分，由Greg Landrum提供。
Working with Reactions
https://nbviewer.jupyter.org/gist/greglandrum/4316430
CFD Python：Navier-Stokes的12个步骤。Lorena Barba的一套完整的计算流体动力学讲座，从一维线性波到完整的二维Navier-Stokes 。
CFD Python：Navier-Stokes的12个步骤
http://lorenabarba.com/blog/cfd-python-12-steps-to-navier-stokes/
Pytherm - 应用热力学。ATOMS使用Python和SciPy生态系统讲授的应用热力学。
Pytherm - 应用热力学
https://nbviewer.jupyter.org/github/iurisegtovich/PyTherm-applied-thermodynamics/blob/master/index.ipynb
AeroPython：使用Python进行空气动力学 - 流体动力学，这是由乔治华盛顿大学Lorena Barba教授的完整课程。
AeroPython：使用Python进行空气动力学 - 流体动力学
https://github.com/barbagroup/AeroPython
Python实用数值方法，一系列学习模型（每个由几本IPython笔记本组成），用于由乔治华盛顿大学Lorena Barba教授的数值微分方程课程。还在GW SEAS Open edX平台上提供“大规模，开放式在线课程”（MOOC）。
Python实用数值方法
https://github.com/numerical-mooc/numerical-mooc
pyuvvis：用于探索光谱学的工具，用于集成ipython笔记本，matplotlib和pandas的光谱库。
pyuvvis：用于探索光谱学的工具
https://github.com/hugadams/pyuvvis
HyperPython：双曲线守恒定律解决方案的实用介绍，David Ketcheson的课程。
HyperPython：双曲线守恒定律解决方案的实用介绍
https://nbviewer.jupyter.org/github/ketch/HyperPython/tree/master/
应用生物信息学概论：生物信息学的互动课程，由Greg Caporaso撰写。
应用生物信息学概论
http://readiab.org/
颜色科学计算与颜色，一个Python包实现的支持的色彩理论转换和算法的IPython的笔记本专用的合集。更多与颜色科学相关的IPython笔记本可在colour-science.org上找到。
IPython的笔记本
https://nbviewer.jupyter.org/github/colour-science/colour-ipython/blob/master/notebooks/colour.ipynb
来自Book Bioinformatics with Python Cookbook的笔记本，涵盖了下一代测序，群体遗传学，系统发育学，基因组学，蛋白质组学和地理参考信息等几个领域。
学习群体RNA世界中的遗传学是一种交互式笔记本，通过构建RNA分子的计算机进化模型来解释基本的群体遗传学工具和技术。
学习群体RNA世界中的遗传学
https://nbviewer.jupyter.org/github/gocarli/RNA-Popgen-Notebook/blob/master/Population_Genetics.ipynb
一个开放的RNA-Seq数据分析管道教程，其中有一个例子，用于重新处理最近的Zika病毒研究数据。这款笔记本完全再现了本文发表的研究成果。该笔记本主要使用python但包括一些bash和R，并且与生物信息学和公共卫生领域的研究人员相关。
一个开放的RNA-Seq数据分析管道教程
https://nbviewer.jupyter.org/github/maayanlab/Zika-RNAseq-Pipeline/blob/master/Zika.ipynb
本文
https://f1000research.com/articles/5-1574/v1
肺癌翻译后修饰和基因表达调控。这个Python笔记本使用Jupyter-widget Clustergrammer-Widget作为交互式热图来显示来自37个肺癌细胞系的基因表达和翻译后修饰数据的层次聚类。笔记本是本文研究项目的一部分。
肺癌翻译后修饰和基因表达调控
https://nbviewer.jupyter.org/github/MaayanLab/CST_Lung_Cancer_Viz/blob/master/notebooks/CST_Data_Viz.ipynb?flush_cache=true
Python中使用pymatgen的材料科学。一系列关于材料科学的python笔记本使用pymatgen包和材料项目 API。
Python中使用pymatgen的材料科学
http://matgenb.materialsvirtuallab.org/
EarthPy，一系列关于地球科学的IPython笔记本，从鲸鱼轨道到亚马逊流。
EarthPy
http://earthpy.org/
Python for Geosciences是一个针对地球科学界的教程系列，由Nikolay Koldunov撰写。
Python for Geosciences
https://github.com/koldunovn/python_for_geosciences
查看纽约地铁入口附近的涂鸦，这是关于大量数据分析的丰富笔记本之一的笔记本，由Roy Hyunjin Han撰写。
大量数据分析的丰富笔记本
https://github.com/invisibleroads/analytical-tutorials
Logistic models of well switching in Bangladesh，它是关于机器学习和Python数据分析的“Will it Python”博客系列的一部分。作者：Carl Vogel。
Logistic models of well switching in Bangladesh
http://nbviewer.ipython.org/github/carljv/Will_it_Python/blob/master/ARM/ch5/arsenic_wells_switching.ipynb
估计在大陆低角度正常断层上观测大地震的可能性以及对低角度正常断层活动的影响，Richard Styron和Eric Hetland在地球物理研究快报上发表的关于地震概率的论文的可执行版本。
估计在大陆低角度正常断层上观测大地震的可能性以及对低角度正常断层活动的影响
https://nbviewer.jupyter.org/github/cossatot/lanf_earthquake_likelihood/blob/master/notebooks/lanf_manuscript_notebook.ipynb
python4oceanographers，一个博客展示了物理海洋学中的分析，从资源需求的数值计算，编译语言中的功能到专门的潮汐分析，使用交互式地图等奇特的东西可视化各种地理数据。
python4oceanographers
https://ocefpaf.github.io/python4oceanographers/
Machinalis有一个公共报告，为地理空间数据处理相关的博客文章提供物质支持。它包括有关基于对象的图像分析和灌溉圈检测的笔记本。
报告
https://github.com/machinalis/satimg
seismo-live是用于地震学的Jupyter笔记本集合。它包含了相当多的关于如何用各种不同的数值方法求解声波和弹性波方程的笔记本。此外，它还包含对地震学中数据处理和信号处理的广泛介绍的笔记本，以及处理环境地震噪声，旋转和冰川地震等的笔记本。
seismo-live
http://seismo-live.org/
Geo-Python是对芬兰赫尔辛基大学地球科学和地理系成员讲授的地理学（地质学，地球物理学，地理学）学士和硕士学生的Python编程的介绍。课程和练习基于Jupyter笔记本，并且可供任何感兴趣的人使用。
Geo-Python
https://geo-python.github.io/2018/
文本分析的研讨会，由Neal Caren专讲。
文本分析的研讨会
https://nbviewer.jupyter.org/github/nealcaren/workshop_2014/tree/master/notebooks/
检测算法生成的域，这是与IPython & friends进行面向安全的数据分析的Data Hacking集合的一部分。
检测算法生成的域
https://nbviewer.jupyter.org/github/ClickSecurity/data_hacking/blob/master/dga_detection/DGA_Domain_Detection.ipynb
挖掘社交网络（第3版）。完整的笔记本系列，配合Matthew Russell和Mikhail Klassen的书看更好，由O'Reilly 撰写。
挖掘社交网络（第3版）
https://github.com/mikhailklassen/Mining-the-Social-Web-3rd-Edition
傅立叶变换的声音分析。Caleb Madrigal的一套IPython笔记本，用于解释傅立叶变换的内容以及如何将其用于基本音频处理应用程序。
傅立叶变换的声音分析
https://github.com/calebmadrigal/FourierTalkOSCON
压缩传感介绍，Python信息处理的一部分：Jose Unpingco撰写的关于这一主题的整本书（和博客）。
压缩传感介绍
https://nbviewer.jupyter.org/github/unpingco/Python-for-Signal-Processing/blob/master/Compressive_Sampling.ipynb
Python实现的卡尔曼和贝叶斯滤波器。关于卡尔曼滤波和其他相关贝叶斯过滤技术的教科书和附带的过滤库。
Python实现的卡尔曼和贝叶斯滤波器
https://nbviewer.jupyter.org/github/rlabbe/Kalman-and-Bayesian-Filters-in-Python/blob/master/table_of_contents.ipynb
使用动态时间扭曲和K最近邻居对人体运动进行分类：来自智能手机陀螺仪和加速度计的信号用于分类人是否正在跑步、行走、坐着等。这个IPython笔记本包含一个python实现的DTW和KNN算法的解释和实际应用。
使用动态时间扭曲和K最近邻居对人体运动进行分类
https://nbviewer.jupyter.org/github/markdregan/K-Nearest-Neighbors-with-Dynamic-Time-Warping/blob/master/K_Nearest_Neighbor_Dynamic_Time_Warping.ipynb
数字信号处理一系列笔记本，附有关于该主题的硕士课程。
数字信号处理一系列笔记本
https://github.com/spatialaudio/digital-signal-processing-lecture
openCV介绍，在python中使用openCV进行计算机视觉的入门课程。
openCV介绍
https://github.com/handee/opencv-gettingstarted
Jeff Kantor的化学工程分析介绍。一系列IPython笔记本，介绍了化学工程分析的主题，包括化学计量学，发电消耗分析，质量和能量平衡。
化学工程分析介绍
http://jckantor.github.io/CBE20255/
Andres Marrugo的传感器和执行器。以课程笔记和工程计算的形式的Jupyter笔记本的集合，关于Universidad Tecnológica de Bolívar的IMTR 1713传感器和执行器课程。
传感器和执行器
https://github.com/agmarrugo/sensors-actuators
IPython笔记中的算法，由Sebastian Raschka撰写。
IPython笔记中的算法
https://github.com/rasbt/algorithms_in_ipython_notebooks
比较Python的编译器的性能- Cythons vs. Numba vs. Parakeet，由Sebastian Raschka撰写。
标签： ariel压缩机配件公连接器