はじめてのJupyter Notebook セットアップ手順と使い方

Jupyter Notebook/JupyterLabは、Pythonのコード、説明文、図表を1つのノートにまとめ、実行結果をすぐ確認しながら学べる対話型環境です。

この記事では、初心者の方でも迷わずに始められるインストール手順から基本の使い方、見た目の調整、よくあるトラブルの対処までを順に解説します。

Jupyter Notebook/JupyterLabとは？

Jupyterは「コードを少しずつ試し、結果を確認し、説明を書き足しながら分析を進められるノート型の開発環境」です。

Pythonを中心に、データの読み込み、加工、可視化、説明やメモまで1つのファイルで完結できるのが大きな特徴です。

対話的に試せるノート環境のメリット

Jupyterではセルと呼ばれる小さなブロック単位でコードを実行します。

計算が終わるたびに結果がノート内に残るため、分析の過程が自然に記録され、後から再現や共有がしやすくなります。

説明文をMarkdownで併記できるので、手順や意図をその場で書き残しやすい点も実務での強みです。

さらに、グラフや表がノート上にリッチに表示されるため、別アプリを往復する手間がありません。

「小さく試す→結果を見る→また試す」サイクルが高速に回ることが、学習やデータ分析の上達を加速させます。

NotebookとJupyterLabの違い

JupyterにはシンプルなNotebookと、タブやファイルブラウザを備えたJupyterLabがあります。

初学者はどちらでも使えますが、今から始めるなら機能と拡張性に優れるJupyterLabがおすすめです。

表は代表的な違いの概要です。

必要なもの

• Python 3.10以上を推奨します。Anacondaを使う場合は同梱のPythonで問題ありません。
• Windows/Mac/Linuxいずれも動作します。ブラウザはChromeやEdge、Firefoxなどを推奨します。
• ディスク空き容量はAnacondaなら数GB以上、pip+venvなら数百MB程度です。
• ネットワーク接続はインストールやライブラリ追加時に必要です。
• Windowsのユーザー名や作業フォルダに全角文字やスペースがあると、一部ツールで不具合が起きることがあります。可能なら半角英数字のパスを使います。

インストールとセットアップ手順

環境構築は大まかに2通りあります。

最短で始めるならAnaconda、一番軽量にしたいならpip+venvという選び方が目安です。

軽量: pip+venvでインストール

必要なものだけを入れたい場合や、既存のPythonを使いたい場合はこちらが向いています。

# 作業用フォルダを作って移動します
mkdir my-notebooks
cd my-notebooks

# 仮想環境を作成します(.venvという隠しフォルダを使う例)
python -m venv .venv

# 仮想環境を有効化します
# Windows:
.\.venv\Scripts\activate
# macOS/Linux:
# source .venv/bin/activate

# JupyterLabとよく使うライブラリを入れます
pip install --upgrade pip
pip install jupyterlab notebook pandas numpy matplotlib seaborn

# 必要ならカーネルを登録しておくと、Jupyterから選択できます
python -m ipykernel install --user --name my-notebooks

Successfully installed jupyterlab-4.x notebook-7.x pandas-2.x numpy-1.x matplotlib-3.x seaborn-0.x
Installed kernelspec my-notebooks in ~/.local/share/jupyter/kernels/my-notebooks

かんたん: Anacondaで一括インストール

AnacondaはPython本体に加え、Jupyter、pandas、NumPy、Matplotlibなどの主要パッケージが最初からまとまっています。

容量は大きめですが設定が少なく、初心者でもスムーズに導入できます。

手順の流れ

1. 公式サイトからインストーラをダウンロードします。
2. 画面の指示に従ってインストールします。特に迷う箇所はありません。
3. Anaconda Prompt(またはTerminal)を開き、仮想環境を作成してJupyterLabを起動します。

# 仮想環境を作成します。名前は例として "dsenv" としています
conda create -n dsenv python=3.11 -y

# 環境を有効化します
conda activate dsenv

# JupyterLabを起動します
jupyter lab

[I 2025-01-01 10:00:00.000 ServerApp] Jupyter Server 2.x is running at:
[I 2025-01-01 10:00:00.000 ServerApp] http://localhost:8888/lab?token=xxxxxxxxxxxxxxxx
[I 2025-01-01 10:00:00.000 ServerApp] Use Control-C to stop this server and shut down all kernels

ブラウザが自動で開かない場合は、表示されたURLをコピーして開きます。

初回起動方法

起動はコマンドから行うのが確実です。

jupyter labはJupyterLab、jupyter notebookはクラシックNotebookを起動します。

# JupyterLabを起動
jupyter lab

# もしポートが埋まっている時は別ポートを指定できます
jupyter lab --port 8889

http://localhost:8888/lab?token=...

起動に成功すると自動的に既定のブラウザでJupyterLabまたはJupyter Notebookが起動します。

作業フォルダの作り方と保存場所

ノートの保存先は「現在のカレントディレクトリ」です。

分析ごとにフォルダを作っておくと整理がしやすくなります。

起動前に作業フォルダへ移動してからJupyterを起動するのが最も簡単です。

# 例: データ分析用のフォルダを作成して移動し、そこからJupyterを起動
mkdir ~/projects/analysis-101
cd ~/projects/analysis-101
jupyter lab

特定フォルダを常に起点にしたい場合は、起動オプションを使います。

# 任意のフォルダを起点に起動する
jupyter lab --notebook-dir "C:\work\notebooks"   # Windowsの例
# もしくは
jupyter lab --notebook-dir ~/projects/notebooks  # macOS/Linuxの例

使い方の基本

Jupyterではノート(.ipynb)の中にセルを追加し、上から順に実行していきます。

セルごとに実行結果が直下に表示されるため、試行錯誤がとてもやりやすいのが特長です。

新規ノートを作成

JupyterLabではランチャー(Launcher)からPythonアイコンを選ぶと新しいノートが開きます。

クラシックNotebookでは右上のNewからPythonを選びます。

ノートのタイトル部分をクリックして名前を変更できます。

セルの種類(Code/Markdown)と切り替え

セルには「Code」と「Markdown」があります。

CodeはPythonコードを実行するセル、Markdownは説明文や見出し、リストなどを書けるセルです。

ツールバーのプルダウンか、YでCode、MでMarkdownに切り替えられます。

Markdownの簡単な例

# このノートの目的
- データを読み込み、可視化まで行います
- 気づきをメモします

数式も書けます(例): $y = ax + b$

テキストエリアの左をクリックしてブロックを選択して、MまたはY、もしくは上記のスクリーンショット右上に見えているMarkdownのとこをクリックしてCode・Markdownの切り替えを行えます。

セルの実行(Shift+Enter)と停止

Codeセルを実行するにはShift+Enter(スペースは不要です。入力時はShift+Enterだけ押してください)が基本です。

実行中はセル左の表示がアスタリスクになり、完了すると番号が入ります。

無限ループなどで止まらない時はツールバーの停止ボタンで割り込みができます。

# はじめての実行: 文字を表示します
message = "Hello, Jupyter!"
print(message)

Hello, Jupyter!

カーネルの再起動/リセット

長時間作業でメモリが膨らんだり状態が壊れた時は、メニューの「Kernel → Restart」から再起動します。

変数やインポート状態は消えるため、上から順にセルを実行し直します。

出力だけ消したい時は「Clear All Outputs」を使います。

ノートの保存とチェックポイント

ノートは自動保存されますが、Ctrl+S(macOSはCmd+S)で明示的に保存できます。

Jupyterはチェックポイント機能を持ち、任意の時点に戻すことができます。

JupyterLabでは「File → Save Notebook」操作時に自動でチェックポイントが作られます。

JupyterLabの画面構成

JupyterLabは画面左にファイルブラウザ、中央にエディタやノートのタブ、右にプロパティやアウトラインなどを表示できます。

ファイルのドラッグ&ドロップ、エディタの分割表示、ターミナルやテキストファイルの同時編集など、複数作業を並行しやすい設計です。

よく使うパネル

• File Browser: フォルダ/ファイルの閲覧と操作
• Launcher: 新規ノートやターミナル、コンソールの作成
• Tabエリア: ノートやエディタをタブで並行表示

表や画像の表示

表形式のデータはpandasのDataFrameとして表示すると見やすくなります。

画像はMatplotlibで配列を可視化したり、PIL画像を直接表示できます。

# 表の表示: DataFrameを作って先頭を確認します
import pandas as pd

df = pd.DataFrame({
    "名前": ["りんご", "ばなな", "みかん", "ぶどう", "いちご"],
    "価格": [120, 100, 130, 450, 300],
    "在庫": [50, 80, 40, 10, 25],
})
df.head()

# 画像の表示: 数値配列を疑似画像として可視化します
import numpy as np
import matplotlib.pyplot as plt

# グラデーション画像を作る
img = np.linspace(0, 1, 256)
img = np.outer(img, img)  # 256x256 の2次元化

plt.imshow(img, cmap="viridis")
plt.title("Gradient Image")
plt.axis("off")  # 軸を消す
plt.show()

グラフの表示

MatplotlibやSeabornを使うと、折れ線、棒、散布図などが簡単に描けます。

ノートブックではコマンドの最後に描画オブジェクトを書くかplt.show()を呼ぶと、セル直下にグラフが出ます。

# 基本的なグラフの例: 折れ線と散布図
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 見やすいスタイルにする
sns.set_theme(style="whitegrid")

x = np.linspace(0, 2*np.pi, 50)
y = np.sin(x)

plt.figure(figsize=(6, 4))
plt.plot(x, y, label="sin(x)")
plt.scatter(x, y, color="tomato", s=25, alpha=0.7, label="points")
plt.xlabel("x")
plt.ylabel("sin x")
plt.legend()
plt.title("Sine Curve")
plt.show()

便利ワザとトラブル対処

実務での使い勝手やトラブルの少なさは、ちょっとした設定や知識で大きく改善します。

ショートカットと見た目の調整、文字化け対策、カーネルの健全性チェックを押さえておくと安心です。

よく使うキーボードショートカット

コマンドモードはEscで、エディットモードはEnterで切り替えます。

以下は特によく使います。

見た目の調整

JupyterLabはテーマやフォント、行番号などを柔軟に変更できます。

見やすさは作業効率に直結します。

ダークテーマは長時間の作業で目の負担を軽減しやすいため、好みに合わせて切り替えましょう。

日本語表示や文字化けの対策

ノート自体はUTF-8で保存されますが、グラフのラベルに日本語が表示されないことがあります。

フォント設定を1度入れておくと安心です。

# Matplotlibの日本語フォント設定例
import matplotlib.pyplot as plt
import matplotlib

# OSに応じてよくあるフォント名を指定します
# フォントが入っていない場合は、インストールまたは別フォント名に置換してください
matplotlib.rcParams["font.family"] = ["Yu Gothic", "Hiragino Sans", "Noto Sans CJK JP", "MS Gothic"]
matplotlib.rcParams["axes.unicode_minus"] = False  # マイナス記号の文字化け対策

plt.title("日本語タイトルも表示できます")
plt.plot([0, 1, 2], [0, 1, 0], label="サンプル")
plt.legend()
plt.show()

[日本語タイトルと凡例が文字化けせずに表示されます]

WindowsでCSVを読み込む際に文字化けする時は、pandasのread_csvでencoding=”cp932″や”utf-8-sig”を指定してみてください。

# 文字化け時の読み込み例
# df = pd.read_csv("data.csv", encoding="cp932")       # Excel由来のCSVで有効なことが多い
# df = pd.read_csv("data.csv", encoding="utf-8-sig")   # UTF-8 with BOM

カーネルが動かない時のチェックポイント

• カーネル選択: 右上もしくはカーネルメニューで、意図したPython環境が選ばれているか確認します。
• 必要パッケージの所在: 使っている環境にライブラリが入っているかをpip listやconda listで確認します。
• カーネルの登録: 仮想環境を作った後はpython -m ipykernel install --user --name 環境名で登録します。
• リソース不足: 大きなデータで動かなくなったら、カーネルを再起動し、必要箇所だけ実行し直します。
• ログ確認: jupyter lab --debugで詳細ログを見て、エラー箇所を特定します。

# カーネルの一覧を確認
jupyter kernelspec list

# 使いたい環境をカーネルとして登録
python -m ipykernel install --user --name dsenv

Available kernels:
  python3           .../share/jupyter/kernels/python3
  dsenv             .../share/jupyter/kernels/dsenv

よく使うコマンド

よく使う起動や管理コマンドをまとめます。

コマンドは作業フォルダで実行するのが基本です。

まとめ

Jupyter Notebook/JupyterLabは、コード、説明、表やグラフを1つのノートに統合し、試行錯誤のスピードを最大化するための実践的な環境です。

初めてならAnacondaで素早く始め、慣れてきたらpip+venvで軽量運用へ移行するのも良い選択です。

セルの実行やカーネル再起動、ショートカット、見た目の調整、日本語フォント設定といった基本を押さえれば、学習も仕事も快適に進みます。

最初は小さなノートから始め、少しずつ機能を覚えながら、ご自身の分析スタイルに合ったワークフローを作っていってください。