linux 下conda 离线安装包@2024-02-22
从https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
下载自己需要的 对应版本的包 。
使用conda install --use-local xxxx.tar.bz2 进行离线安装。
如果之前有安装失败的包，需要删除之前下载的安装包缓存
Anaconda的安装包存放在安装目录下的pkgs/目录下，删除之前因为下载失败的安装包。
参考：https://blog.csdn.net/dou3516/article/details/114540845
启动linux 下conda的 jupyter lab
生成配置文件
[root@xxxx ~]$ jupyter notebook --generate-config
Writing default config to: /root/.jupyter/jupyter_notebook_config.py
记住配置文件的位置，后面需要修改配置文件
创建访问密码
[root@xxxx ~]$ jupyter notebook password
Enter password: ****
Verify password: ****
[NotebookPasswordApp] Wrote hashed password to /root/.jupyter/jupyter_notebook_config.json
用户登录jupyter lab的密码
获取访问密码的hash码
先进入ipython，用于生成hash
Ipython
In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password:
Verify password:
Out[2]:'sha1:xxxxxxxx'
记住，这个hash密码，后面会写入之前生成的配置文件中，这样可以方便浏览器第一次登录后，以后登录不需要再输入密码。
修改配置文件
修改刚刚生成的jupyter_notebook_config.py文件
[root@xxx ~]$ vim /root/.jupyter/jupyter_notebook_config.py
按照自己真实信息直接填写如下内容
c.NotebookApp.password = u'sha1:xxxxxx'
#就是刚才需要记下的哈希密码
c.NotebookApp.port = 18888
#指定jupyter lab 运行端口，写一个不冲突的端口即可
c.NotebookApp.allow_remote_access = True
# 允许远程访问
c.NotebookApp.ip='*'
# 就是设置所有ip皆可访问
c.NotebookApp.open_browser = False
# 禁止自动打开浏览器
服务器端开启jupyter lab
下面两个命令都可以，最后一个可以将进程挂起到后台运行
[root@centos-7 ~]$ jupyter lab #窗口运行，窗口一关，进程停止
[root@centos-7 ~]$ nohup jupyter lab > /root/.jupyter/jupyter.log 2>&1 & #服务器端后台挂起运行
注意：如果是局域网服务器可以通过ifconfig查看网卡的ip。
如果没法访问可以关闭下防火墙，云服务器记得去控制台的安全组开放端口访问。
客户端登录
在浏览器中数据ip:18888,就可以访问。
参考https://blog.csdn.net/qq_38239817/article/details/119981816
基于python 进行数据质量分析
https://blog.csdn.net/yilulvxing/article/details/123998440
三种基础数据质量的评估方法，以及Python实现
https://blog.csdn.net/ManWZD/article/details/112425577
python 数据质量监控系统
https://cloud.tencent.com/developer/article/1975119
数据质量分析
https://blog.csdn.net/qq_35350265/article/details/100890104
严把数据质量关，用Pandas轻松进行7项基本数据检查
https://blog.csdn.net/weixin_39915649/article/details/135421956
Cerberus，一个强悍的 Python 库
https://zhuanlan.zhihu.com/p/677860076
如何使用Python进行数据质量监测与监控
https://blog.csdn.net/universsky2015/article/details/135781179
