先贤说得好，不患寡而患不均。咱们对Python 2, Python 3和R，还是一视同仁吧。

疑问

在《 如何用Python做词云 》一文中，有眼尖的同学发现我在Jupyter Notebook新建笔记本时，菜单里有多个选项。

这就意味着我可以直接新建支持Python 2，Python 3，甚至是R语言的笔记本。

可是当你自己安装了Anaconda后，新建笔记本的选项却是这样的。

你可能马上觉得不公平了——为什么我这里的选项这么少？我也想让自己的Jupyter Notebook同时支持这3种不同编程环境！

其实Jupyter Notebook可以支持的编程语言，远不止这几种。下图只是个不完全列表。

想看完全的列表，请访问 这个链接 。

本文我们只讨论如何让Jupyter Notebook支持Python 3和R这两种编程语言。如果你是初学者，我建议你还是先把Python 2掌握熟练，再去尝试迁移到Python 3。至于R，也有现成的RStudio等优秀集成开发环境可以使用。

当然，如果你爱好折腾，欢迎按照本文的步骤尝试。

Python 3

首先你需要保存目前Jupyter Notebook里面的全部内容，然后切换到“终端”或者“命令提示符”下面。

若是如图所示，之前的Jupyter Notebook正在运行，那么按照提示键入Control和C两个按键，退出正在运行的Jupyter Notebook。

之后键入命令：

pip3 install ipykernel python3 -m ipykernel install

然后，再次启动Jupyter Notebook

jupyter notebook

这次新建笔记本的菜单就变成了这样：

好了，Jupyter Notebook里Python 3的编程环境就安装好了。

我们可以新建一个Python 3的笔记本，然后输入以下命令：

1/2 print "abc"

如果你已经熟悉了Python 2，那么你应该会判定第一条语句输出为0（因为被除数和除数都是整数），而第二条语句会打印”abc”这个字符串。

然而在Python 3环境中，输出是这个样子的。

如果你也获得了这样的输出结果，那么恭喜你，你的Python 3环境安装已经顺利完成了。

R

R语言是统计学专业非常喜欢的编程语言。虽然它的最初设计并不是一种通用语言，但是由于许多统计专家把它当做母语，因此这群人干什么工作都恨不得把R用上。

久而久之，R的功能已经多到令人发指的程度了。你用C语言或者Java写几百行语句，到了R这里可能就跟用计算器一样，几行代码搞定。如果你打算用好R语言，一定要学会如何找到更高效的软件包，那会让你事半功倍。

如果你还没有安装R，请到 这个网址 选择一个合适的下载镜像。列表里面会分国家地区列出链接。

我一般选择中国区的第一个选项，也就是清华大学的镜像。点击链接进入后，你会看到这样的页面。

根据你的系统类型，从右侧的Linux, OS X和Windows不同下载链接选择对应版本，并且根据提示安装就可以。建议使用默认设置。

安装了R语言后，我们在Jupyter Notebook中安装R语言支持。

首先你还是需要保存目前Jupyter Notebook里面的全部内容，然后切换到“终端”或者“命令提示符”下面。

按照提示键入Control和C两个按键，退出正在运行的Jupyter Notebook。之后键入命令：

R

你会看到这样的提示：

就在这个“>”提示符下面，输入以下语句：

install.packages('devtools')

R会提示你选择合适的镜像。

找到其中有“China”字样的就对了。这里列表中唯一来自中国的镜像是兰州大学的服务器。

然后继续执行：

devtools::install_github('IRkernel/IRkernel') IRkernel::installspec() install.packages('ggplot2')

好了，为了退出R环境，我们输入：

q()

现在，我们回到了终端下面，执行

jupyter notebook

这次，我们再新建笔记本，就多了R这样一个选项了。

我们尝试一下，看看是否好用。

新建一个R笔记本。随便起个名字，我这里叫做“test-r”。

然后输入以下语句，之后按”Shift+Enter”来执行。

library("ggplot2") ggplot(data = mtcars, aes(x = wt, y = mpg, color = cyl)) + geom_point() +  geom_smooth(method="lm") +  labs(main="Regression of MPG on Weight",  xlab="Weight", ylab="Miles per Gallon")

如果你看到如图所示的运行结果，证明一切安装正常。

生成的图像是这个样子的：

R语言的功能够强大吧？写起来也足够简洁明快吧？

至此，Jupyter Notebook已经能够同时正确支持Python 2, Python 3和R三种编程开发环境了。编码愉快哟！

讨论

除了Jupyter Notebook之外，你还知道哪些好用的Python与R开发环境？与Jupyter Notebook比起来，它们的特点是什么？在数据科学领域，你觉得Python与R哪个更有前途？欢迎留言，把你的经验分享给大家，我们一起交流讨论。