不满意Jupyter Notebook只有Python 2环境，还打算让它支持Python 3与R？没问题，本文一步步帮助你实现这个愿望。
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。
如果你对我的文章感兴趣，欢迎点赞，并且微信关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。
如果本文可能对你身边的亲友有帮助，也欢迎你把本文通过微博或朋友圈分享给他们。让他们一起参与到我们的讨论中来。
延伸阅读
作者信息
王树义，大学教师，终身学习者。稍微懂一点儿写作、演讲、Python和机器学习。欢迎微信关注并置顶我的公众号“玉树芝兰”(nkwangshuyi)。
