Jupyter Notebookの使い方｜ショートカット・Lab比較・エラー原文

Jupyter Notebook は、ブラウザ（画面）・Jupyter Server（ファイルの読み書きと中継）・カーネル（コードを実行する Python のプロセス）の3つで動きます。画面で入力したコードはサーバーを通ってカーネルに渡され、結果が画面に戻り、保存すると .ipynb ファイルにコードと結果の両方が書き込まれます。

flowchart TD
    B[ブラウザ<br>セルを編集・実行] -->|コード| S[Jupyter Server<br>127.0.0.1:8888]
    S -->|コード| K[カーネル<br>ipykernel の Python]
    K -->|結果| S
    S -->|結果| B
    S -->|保存| F[(.ipynb<br>コード＋結果)]

よく調べられることの答えを先にまとめます。

確認環境：Ubuntu 24.04.5 LTS・Python 3.13.18 の仮想環境（venv）に、notebook 7.6.3・jupyterlab 4.6.4・jupyter_server 2.21.1・ipykernel 7.4.0・IPython 9.17.1・nbformat 5.11.1・nbconvert 7.17.2・nbstripout 0.9.1・nbdime 4.0.4 を pip で入れ、jupyter notebook --ip=127.0.0.1 --port=48804 で起動しました。画面の操作（セルの入力と実行、メニュー、ショートカット、ダイアログの文言、モードごとの枠線の色）は Chromium（playwright 1.63.0）で開いて確かめ、セルの出力は画面と、jupyter nbconvert --execute で実行した .ipynb の JSON の両方から取っています。Git の差分は git 2.43.0、JupyterLab は同じサーバーの /lab で開きました。VS Code・Google Colab は公式ドキュメントで確かめています（確認日 2026年10月29日）。

Jupyter Notebookとは（仕組みと Notebook 7）

この節では、Jupyter Notebook が何をする道具で、どういう仕組みで動いているのかが分かります。

Jupyter Notebook は、コード・実行結果・説明文（Markdown）を「セル」という区切りで1つのファイルに並べ、ブラウザで編集・実行するアプリケーションです。 ファイルの拡張子は .ipynb（IPython Notebook の略）で、中身は JSON です。データ分析・機械学習・学習用の教材で広く使われるのは、「少し書いて、すぐ結果を見て、続きを書く」という進め方に向いているためです。

今の Jupyter Notebook は Notebook 7 で、公式ドキュメントは「JupyterLab・Jupyter Desktop と並ぶ兄弟のアプリで、JupyterLab より軽くシンプルな操作感」と位置づけています。手元で起動したログにも、Notebook 7 が JupyterLab の拡張として読み込まれている様子が出ました。

[I 2026-10-29 17:29:18.501 LabApp] JupyterLab extension loaded from /dev/shm/t04/venv/lib/python3.13/site-packages/jupyterlab
[I 2026-10-29 17:29:18.587 ServerApp] notebook | extension was successfully loaded.
[I 2026-10-29 17:29:18.588 ServerApp] Serving notebooks from local directory: /dev/shm/t04/work
[I 2026-10-29 17:29:18.588 ServerApp] Jupyter Server 2.21.1 is running at:
[I 2026-10-29 17:29:18.588 ServerApp] http://127.0.0.1:48804/tree?token=...

検索で見つかる解説の多くは、以前の版（Notebook 6、緑と青の枠線の画面）を元にしています。公式の移行ガイドは、Notebook 7 では以前の版の拡張機能やカスタマイズが動かない場合があり、互換性が要るときは nbclassic を使うよう案内しています。この記事は Notebook 7.6.3 の画面で確かめた内容です。

Jupyter Notebookのインストールと起動（pip・venv・ポート・トークン）

この節では、仮想環境に入れて起動し、ブラウザで開くまでの手順と、そのとき出る文言が分かります。

Python があれば、pip install notebook だけで入ります。 プロジェクトごとに仮想環境（venv）を作って入れると、ライブラリの版の衝突と、後述の「カーネル違いの ModuleNotFoundError」を避けやすくなります。Anaconda を使う方法もありますが、この記事は pip だけで進めます。

手元では、ブラウザを開かず、ポートとトークンを決めて起動しました。

$ jupyter notebook --no-browser --ip=127.0.0.1 --port=48804 --IdentityProvider.token=rjc-t04-token
[I ServerApp] Jupyter Server 2.21.1 is running at:
[I ServerApp] http://127.0.0.1:48804/tree?token=...
[I ServerApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).

$ jupyter server list
Currently running servers:
http://127.0.0.1:48804/?token=rjc-t04-token :: /dev/shm/t04/work

トークンを付けずに /tree を開くと、302 でログイン画面に移りました（Location: /login?next=%2Ftree）。Chromium で見えた文言は「Password or token: / Token authentication is enabled / If no password has been configured, you need to open the server with its login token in the URL, or paste it above.」で、ブラウザが勝手に開かなかったときは、端末に出た token=… 付きの URL をそのまま貼るか、jupyter server list で URL を取り直します。

root で起動したときは、次の1行で止まりました。コンテナーや WSL で root のまま使うときは --allow-root を付けます。

[C 2026-10-29 17:29:07.369 ServerApp] Running as root is not recommended. Use --allow-root to bypass.

venv と pip の使い方は、関連記事「Python venvの使い方｜仮想環境の作成・有効化・削除をOS別にコピペ」と関連記事「pipコマンド一覧｜installのバージョン指定とrequirements.txt」で扱っています。

セルの実行と In [ ]・Out [ ] の読み方

この節では、最初のセルを実行したときに画面に何が出るかと、番号・出力の意味が分かります。

セルにコードを書いて Shift+Enter を押すと、カーネルが実行し、セルの下に結果が出ます。 新しいノートの最初のセルに x = 3 * 4 と x を入れて実行した画面では、左に [1]:、下に 12 が表示され、次の空のセルが選ばれました。

[1]: x = 3 * 4
     x
[1]: 12
[ ]:

実行した出力の実物です（nbconvert で実行した .ipynb から取り出した Python 3.13.18 のカーネル）。

[1]: import sys, platform
     print(sys.version)
     print(platform.platform())
3.13.18 (main, Oct 26 2026, 14:08:19) [Clang 23.1.3 ]
Linux-6.18.44-fc-v185-x86_64-with-glibc2.39

[2]: sales = {'4月': 120, '5月': 135, '6月': 98}
     total = sum(sales.values())
     total
[2]: 353

[3]: print('合計', total)
     total / len(sales)   # 最後の式だけ Out に出る
合計 353
[3]: 117.66666666666667

「Run」メニューには、実行の仕方が6種類あります。手元のメニューの文言と、そのショートカットです。

編集モードとコマンドモード（Notebook 7 の見た目）

この節では、2つのモードの違いと、Notebook 7 でどう見分けるかが、計測した色で分かります。

セルの中に文字を打つのが編集モード、セルそのものを操作する（追加・削除・移動・種類の変更）のがコマンドモードです。 Enter で編集モードに入り、Esc でコマンドモードに戻ります。以前の版では「編集モードは緑の枠、コマンドモードは青の枠」でしたが、Notebook 7 の見た目は違います。Chromium で枠線の色を取りました。

「文字を打ったつもりが、セルが消えた・Markdown に変わった」は、コマンドモードのまま d・d や m を押したときに起きます。手元でも、コマンドモードで m を押すとセルの class が jp-MarkdownCell に、y で jp-CodeCell に変わりました。消したセルは z で戻ります。

Jupyter Notebookのショートカット一覧（コマンドモード・編集モード）

この節では、Notebook 7 の既定のショートカットが、キーの割り当てファイルと画面の両方で確かめた形で分かります。

一覧は、コマンドモードで Ctrl+Shift+H（Mac は Cmd+Shift+H）を押すと「Keyboard Shortcuts」のダイアログに出ます。 以前の版の「h キーで一覧」は Notebook 7 では動きませんでした（手元で h を押しても何も開かず、Ctrl+Shift+H で開きました）。

コマンドモード（Esc のあと）

編集モード（Enter のあと）

キーは、インストールされた JupyterLab のスキーマ（share/jupyter/lab/schemas の jupyter.lab.shortcuts）から取り出し、Ctrl+Shift+H のダイアログの内容と照らしました。Mac では Ctrl の代わりに Cmd が使われるものがあります（表の Ctrl+S・Ctrl+Enter・Ctrl+/ など「Accel」と定義されたキー）。

Markdownセルの書き方（見出し・表・数式）

この節では、説明文のセルの作り方と、何が表示できるかが分かります。

コマンドモードで m を押すとセルが Markdown になり、Shift+Enter で整形されて表示されます。 手元で次の内容を入れたセルは、見出し・太字・斜体・コード・リンク・箇条書き・表・数式がすべて描画されました。

# 売上の集計メモ

**太字** と *斜体*、`コード`、[リンク](https://jupyter.org/)

- 項目1
- 項目2

| 月 | 売上 |
|---|---|
| 4月 | 120 |
| 5月 | 135 |

$y = ax + b$

• 見出し（#）を付けると、Notebook 7 では左に折りたたみの印が出て、その見出しの下のセルをまとめて畳めます。目次（View → Table of Contents）にも使われます。
• 数式は $ で囲むと行の中に、$ を2つ重ねて囲むと独立した行に、MathJax で描画されます。
• 描画した Markdown をもう一度編集するには、ダブルクリックするか Enter を押します。

Markdown の記法そのものは、関連記事「Markdown記法一覧｜マークダウンの書き方早見表と表示されない原因」で扱っています。

マジックコマンド（%time・%%time・%%bash など）の実行結果

この節では、% で始まる IPython の命令のうち、よく使うものの実行結果が分かります。

マジックコマンドは Python の文法ではなく、カーネル（IPython）が解釈する命令です。 % 1つは「その1行」に、%% はセルの先頭に書いて「セル全体」に効きます。手元の出力です。

[4]: %time sum(range(10_000_000))
CPU times: user 155 ms, sys: 569 μs, total: 155 ms
Wall time: 161 ms
[4]: 49999995000000

[5]: %timeit sum(range(1_000_000))
18.6 ms ± 947 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)

[6]: %%time
     import time
     time.sleep(0.3)
     print('セル全体を計る')
セル全体を計る
CPU times: user 314 μs, sys: 2 μs, total: 316 μs
Wall time: 300 ms

[7]: %%bash
     echo "シェルで実行: $(whoami) @ $(pwd)"
     ls -1 | head -3
シェルで実行: root @ /dev/shm/t04/work
Untitled.ipynb
demo.ipynb
hello.py

[8]: !python3 --version
Python 3.13.18

[9]: %who
platform	 sales	 sys	 time	 total

[10]: %%writefile hello.py
      print('hello from file')
Overwriting hello.py

[11]: %run hello.py
hello from file

%timeit の「7 runs, 100 loops each」は、100 回の実行を1まとまりにして7まとまり計り、その平均と標準偏差を出したという意味です。1回だけの %time より安定した値になります。

JupyterLab・VS Code・Google Colab との違い（判断表つき）

この節では、同じ .ipynb を開ける4つの環境の違いと、どれを選ぶかの目安が分かります。

4つとも同じ .ipynb ファイルを開け、カーネル（実行する Python）も同じ仕組みです。違うのは「画面」と「どこで動くか」です。 手元では、同じサーバーの /notebooks/demo.ipynb（Notebook）と /lab/tree/demo.ipynb（JupyterLab）で同じファイルを開きました。

Notebook 7 の画面の右上には「JupyterLab」のリンクがあり、View メニューには「Open JupyterLab」があります。どちらか一方を選ぶものではなく、同じサーバーで URL の /notebooks/ を /lab/tree/ に変えるだけで切り替わります。 手元の JupyterLab のサイドバーには「File Browser (Ctrl+Shift+F)・Running Terminals and Kernels・Table of Contents・Extension Manager・Property Inspector・Debugger」が並びました。

VS Code は公式ドキュメントによると、Jupyter 拡張機能（ms-toolsai.jupyter）を入れ、コマンドパレットの「Create: New Jupyter Notebook」で .ipynb を作り、右上のカーネルピッカーで Python 環境を選びます。変数の一覧（Variables）、Data Viewer、1行ずつ実行する Run by Line、ブレークポイントでのデバッグ（ipykernel 6 以上が要る）が使えます。Colab は、Google の公式 FAQ で「設定不要で使えるホスト型の Jupyter ノートブックサービス」とされ、保存先は Google ドライブ、無料版は最長 12 時間で、放置するとランタイムが切れます。Colab の使い方は関連記事「Google Colabとは｜使い方・GPU・料金・制限とエラーの直し方」で扱っています。

どれを使うかの判断表

1. 1PC に Python を入れたくない・GPU を試したい → Colabブラウザだけで始められる。長時間の学習や社外秘のデータには向かない
2. 2すでに VS Code で開発している → VS Code の Jupyter 拡張機能.py・Git・デバッガーと同じ画面。pip install notebook は不要（ipykernel は要る）
3. 3ノートを複数並べる・ターミナルも使う → JupyterLabpip install jupyterlab → jupyter lab
4. 41つのノートに集中する・教材として配る → Jupyter Notebook画面の要素が少なく、説明しやすい。Lab へはいつでも切り替えられる

手元で計った数字（Notebook・JupyterLab）

起動・表示・実行にかかった時間と大きさです（2026年10月29日時点、Ubuntu 24.04・Python 3.13 の仮想環境）。nbstripout は後の「Git での扱い」の節で説明します。

.ipynb の中身（JSON の構造）

この節では、保存されたファイルに何が入っているかと、それが Git や共有で意味することが分かります。

.ipynb は JSON で、cells（セルの配列）と metadata（カーネルの情報）と nbformat（形式の版）からできています。 実行したセルは、コード（source）だけでなく、結果（outputs）と実行の時刻（metadata.execution）も持ちます。手元の2番目のセルです。

{
 "cell_type": "code",
 "execution_count": 2,
 "id": "7767baa9",
 "metadata": {
  "execution": {
   "iopub.execute_input": "2026-10-29T08:32:43.612598Z",
   "iopub.status.busy": "2026-10-29T08:32:43.611016Z",
   "iopub.status.idle": "2026-10-29T08:32:43.623664Z",
   "shell.execute_reply": "2026-10-29T08:32:43.622030Z"
  }
 },
 "outputs": [
  {
   "data": { "text/plain": [ "353" ] },
   "execution_count": 2,
   "metadata": {},
   "output_type": "execute_result"
  }
 ],
 "source": [
  "sales = {'4月': 120, '5月': 135, '6月': 98}\n",
  "total = sum(sales.values())\n",
  "total"
 ]
}

ファイルの大きさは、実行前 7,956 バイト、実行後 12,196 バイトでした。画像を出力すると Base64 の文字列が入るため、グラフを多く含むノートは MB 単位になります。jupyter nbconvert --to html で HTML（手元で 297KB）、--to script で Markdown をコメントにした .py（1,210 バイト）に変換できます。

Git での扱い（nbstripout・nbdime）

この節では、.ipynb を Git に入れたときに差分が大きくなる理由と、2つの道具での直し方が分かります。

コードを1文字も変えずに「実行し直して保存」しただけで、Git には差分が出ます。 結果と実行の時刻が JSON に入っているためです。手元で2セルのノートを commit し、実行し直して git diff を取りました。

$ git diff --stat
 analysis.ipynb | 22 +++++++++++-----------
 1 file changed, 11 insertions(+), 11 deletions(-)

$ git diff
-     "iopub.execute_input": "2026-10-29T08:34:01.315458Z",
-     "iopub.status.busy": "2026-10-29T08:34:01.315240Z",
+     "iopub.execute_input": "2026-10-29T08:34:05.534876Z",
+     "iopub.status.busy": "2026-10-29T08:34:05.534532Z",
      ...
-      "実行時刻 17:34:01\n"
+      "実行時刻 17:34:05\n"

$ pip install nbstripout
$ nbstripout --install          # このリポジトリに設定する
$ cat .git/info/attributes
*.ipynb filter=nbstripout
*.zpln filter=nbstripout
*.ipynb diff=ipynb
$ git config --get filter.nbstripout.clean
"/dev/shm/t04/venv/bin/python3" -m nbstripout

フィルターは「commit に入る内容」から出力を落とすだけで、手元のファイルの出力は残ります。チームで揃えるときは --install --attributes .gitattributes で .gitattributes に書いて commit します。

差分を「セル単位」で読みたいときは nbdime です。コードを 1_000_000 から 2_000_000 に変えたときの nbdiff の出力です。

$ nbdiff --no-color -s HEAD analysis.ipynb
nbdiff analysis.ipynb (HEAD) analysis.ipynb
## modified /cells/1/source:
-  %time sum(range(1_000_000))
+  %time sum(range(2_000_000))

• 1nbstripout を入れる出力と実行時刻を commit に入れない。レビューがコードだけになる
• 2.ipynb_checkpoints/ を .gitignore に保存のたびにサーバーが作る複製フォルダー。手元でも demo-checkpoint.ipynb ができていた
• 3共有前に「Restart Kernel and Run All Cells」上から順に動くことを確かめる。実行番号が 1 から並ぶ
• 4長くなった処理は .py に移す%%writefile で書き出し、ノートからは import する。テストもできる
• 5鍵や接続文字列を出力に残さない出力は JSON に入って commit される。環境変数から読む

カーネルの再起動・中断・切り替え（kernel died の意味）

この節では、カーネルが何で、再起動すると何が起きるか、「kernel died」の画面の意味が分かります。

カーネルは、ノートごとに起動する Python のプロセスです。 変数・import したモジュール・開いたファイルはすべてこのプロセスの中にあり、再起動すると全部消えます。手元で 0 を2回押したときの確認ダイアログと、再起動後に前のセルの変数を使ったときの結果です。

Restart Kernel?
Do you want to restart the kernel of demo.ipynb? All variables will be lost.
[ ] Do not ask me again        [Cancel] [Restart]

[1]: print('合計', total)
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[1], line 1
----> 1 print('合計', total)
      2 total / len(sales)   # 最後の式だけ Out に出る

NameError: name 'total' is not defined

実行番号が [1] に戻っていることにも注目です。「さっきまで動いていたのに NameError」は、再起動したあと上のセルを実行していないときに出ます。

「The kernel appears to have died」

セルで os._exit(1) を実行してカーネルのプロセスを落とすと、Chromium に次のダイアログが出ました。

Kernel Restarting
The kernel for demo.ipynb appears to have died. It will restart automatically.
[Ok]

サーバーのログには AsyncIOLoopKernelRestarter: restarting kernel (1/5), keep random ports と kernel f36e91f9-… restarted が残りました。原因はほぼ「メモリ不足」か「C 拡張のクラッシュ」です。 大きなデータを読んだ直後に出るならメモリ不足で、読む量を減らす（pandas の usecols・chunksize）か、dtype を小さくします。特定のライブラリを import した直後に出るなら、そのライブラリと Python・NumPy の版の組み合わせを疑い、仮想環境を作り直します。自動で再起動されますが、変数は消えています。

別の仮想環境をカーネルとして登録する

Notebook を入れたサーバー用の環境とは別に、プロジェクトの仮想環境をカーネルとして登録すると、「Change Kernel…」で切り替えられます。

$ /path/to/proj-venv/bin/python -m ipykernel install --user --name proj-env --display-name "Python (proj-env)"
Installed kernelspec proj-env in .../share/jupyter/kernels/proj-env

$ jupyter kernelspec list
Available kernels:
  proj-env    /dev/shm/t04/venv/share/jupyter/kernels/proj-env
  python3     /dev/shm/t04/venv/share/jupyter/kernels/python3

kernel.json の argv に、その環境の Python の絶対パス（手元では /dev/shm/t04/venv2/bin/python）が書かれ、画面のカーネル名に「Python (proj-env)」が出ます。proj-env 側に ipykernel が入っていることが条件です。

ポート・パスワード・設定ファイル（jupyter server password）

この節では、ポートが使えないときの文言、パスワードの付け方、設定ファイルの場所と主な項目が分かります。

既定のポートは 8888 で、使われていれば次のポートを自動で試します。 手元で 48804 を使っている状態でもう1つ起動すると、48805 で起動しました。

[I ServerApp] The port 48804 is already in use, trying another port.
[I ServerApp] Jupyter Server 2.21.1 is running at:
[I ServerApp] http://127.0.0.1:48805/tree

（--ServerApp.port_retries=0 を付けたとき）
[I ServerApp] The port 48804 is already in use.
[C ServerApp] ERROR: the Jupyter server could not be started because port 48804 is not available.

「いつもの 8888 で開いたら別のノートが出た」は、前に起動したサーバーが残っているときに起きます。jupyter server list で動いているサーバーと URL が分かります。

パスワードの設定

トークンの代わりにパスワードでログインするには jupyter server password を実行します。手元の出力と、書き込まれたファイルです。

$ jupyter server password
Enter password:
Verify password:
[JupyterPasswordApp] Wrote hashed password to /home/user/.jupyter/jupyter_server_config.json

$ cat ~/.jupyter/jupyter_server_config.json
{
  "IdentityProvider": {
    "hashed_password": "argon2:$argon2id$v=19$m=10240,t=10,p=8$IOqAi6XD...（省略）"
  }
}

パスワードそのものではなく argon2 のハッシュが保存されます。この状態で起動したサーバーを Chromium で開くと、ログイン画面は「Password:」だけになり、違うパスワードでは「Invalid credentials」、正しいパスワードで /tree（タイトル「Home」）に入れました。公式ドキュメントは、パスワードを使うときは HTTPS を組み合わせるよう案内しています。

設定ファイル

jupyter server --generate-config で、全項目がコメントになった ~/.jupyter/jupyter_server_config.py（手元で 1,527 行）が作られます。よく変える項目です。

c.ServerApp.ip = '127.0.0.1'      # 既定は localhost。他の PC から開くなら '0.0.0.0'（要パスワード・HTTPS）
c.ServerApp.port = 8888           # 既定 0 は「8888 から探す」
c.ServerApp.port_retries = 50     # 使えないとき何回ずらすか
c.ServerApp.open_browser = False  # ブラウザを自動で開かない
c.ServerApp.root_dir = '/path/to/notebooks'   # 起動時のフォルダー

同じ項目はコマンドの引数でも指定でき（--ServerApp.port=48804 のように書く）、JSON（jupyter_server_config.json）は .py より優先されます。パスワードが .py に書いたのに効かないときは、.json に別の値が残っていないかを見ます。

よくあるエラーとつまずき（原文つき）

この節では、Jupyter Notebook でよく出るエラーの原文と、原因・直し方が一覧で分かります。

「pip install したのに ModuleNotFoundError」の実物

いちばん多い原因は、pip を実行した Python と、ノートのカーネルの Python が別であることです。手元で、tabulate を proj-env（venv2）にだけ入れ、同じノートを2つのカーネルで実行しました。

===== カーネル python3（Notebook を入れた venv）
>> import sys ; print(sys.executable)
/dev/shm/t04/venv/bin/python3
>> !which python pip
/dev/shm/t04/venv/bin/python
/dev/shm/t04/venv/bin/pip
>> import tabulate ; print(tabulate.__version__)
ModuleNotFoundError: No module named 'tabulate'

===== カーネル proj-env（venv2）
>> import sys ; print(sys.executable)
/dev/shm/t04/venv2/bin/python
>> !which python pip
/dev/shm/t04/venv/bin/python        ← ! はサーバー側のシェル。カーネルとは別
/dev/shm/t04/venv/bin/pip
>> import tabulate ; print(tabulate.__version__)
0.10.0

pandas・matplotlib を入れたあとの使い方は、関連記事「pandasの使い方 逆引き81選｜pandas 3.0の実行結果つき」で扱っています。

よくある質問

Q. Jupyter Notebook とは何ですか？ A. ブラウザの画面でコードをセル単位に実行し、結果と説明文を1つの .ipynb ファイルに残すアプリケーションです。Python 以外のカーネル（R・Julia など）も使えますが、既定は Python（ipykernel）です。

Q. Jupyter Notebook と JupyterLab はどちらを使えばよいですか？ A. 中身は同じで、同じサーバーの URL（/notebooks/ と /lab/）で切り替えられます。1つのノートに集中するなら Notebook、複数のノートやターミナルを並べるなら JupyterLab です。pip install notebook で両方入ります（notebook 7 は jupyterlab に依存しており、手元でも同じサーバーの /lab が開けました）。

Q. Shift+Enter と Ctrl+Enter の違いは？ A. どちらも実行しますが、Shift+Enter は次のセルに移り（最後なら新しいセルを足し）、Ctrl+Enter はその場に留まります。同じセルを直しながら何度も実行するときは Ctrl+Enter です。

Q. ショートカットの一覧はどこで見られますか？ A. コマンドモード（Esc）で Ctrl+Shift+H（Mac は Cmd+Shift+H）です。以前の版の「h」は Notebook 7 では動きません。Settings → Settings Editor → Keyboard Shortcuts で割り当てを変えられます。

Q. pip install したのに import できません。 A. pip を実行した Python とカーネルの Python が別です。セルで %pip install 名前 を実行するとカーネル側に入ります。入れたあとはカーネルを再起動します。

Q. 「kernel died」「The kernel appears to have died」と出ました。 A. カーネルのプロセスが落ちて、自動で再起動されました。変数は消えています。大きなデータを読んだ直後ならメモリ不足、特定の import 直後ならライブラリの版の問題です。

Q. 変数が消えました・NameError が出ます。 A. カーネルを再起動したか、上のセルを実行していません。実行番号 [1] から並んでいるなら再起動後です。上から順に実行し直します。

Q. トークンとは何ですか？毎回 URL に付けるのは面倒です。 A. 起動のたびに作られる合言葉で、URL に付けてログインします。jupyter server password でパスワードを設定すると、以後はパスワードでログインできます。パスワードのハッシュが jupyter_server_config.json に保存されます。

Q. ポート 8888 が使えないと出ます。 A. 既定では自動で次のポート（8889…）を試します。前に起動したサーバーが残っていることが多いので、jupyter server list で確かめて止めます。固定したいときは --port=番号 です。

Q. .ipynb を Git で管理すると差分が大きくなります。 A. 出力と実行時刻が JSON に入るためです。nbstripout をフィルターとして入れると commit から出力が落ち、nbdime の nbdiff でセル単位の差分を読めます。.ipynb_checkpoints/ は .gitignore に入れます。

Q. ノートを他の人に渡すには？ A. .ipynb をそのまま渡せば同じ環境で開けます。環境が無い相手には jupyter nbconvert --to html で HTML に、コードだけ欲しい相手には --to script で .py にします。File → Save and Export Notebook As からも同じことができます。

Q. タブを閉じればカーネルは止まりますか？ A. 止まりません。File → Close and Shut Down Notebook か、「Running」タブからシャットダウンします。サーバーを止めるのは端末の Ctrl+C です。

まとめ

• Jupyter Notebook は、ブラウザ・Jupyter Server・カーネルの3つで動き、コードと結果を .ipynb（JSON）に残す。今の版は Notebook 7 で、JupyterLab と同じ土台で動く。
• 仮想環境に pip install notebook → jupyter notebook。Shift+Enter で実行、Esc でコマンドモード（a・b・dd・m・y・z）、Enter で編集モード。一覧は Ctrl+Shift+H。
• 手元の計測では、ノートを開くのに 2.9 秒、14 セルの全実行に 3.9 秒。%time は Wall time 161 ms、%timeit は 18.6 ms ± 947 μs。
• JupyterLab・VS Code・Colab は同じ .ipynb を開ける。1ノート集中なら Notebook、複数並べるなら Lab、.py と一緒なら VS Code、環境構築なしと GPU なら Colab。
• Git には nbstripout と nbdime。ModuleNotFoundError は %pip install、kernel died はメモリと版、NameError は再起動後の実行順を疑う。

参考・出典

確認日はいずれも 2026年10月29日です。

• Jupyter Notebook「Jupyter Notebook documentation」：https://jupyter-notebook.readthedocs.io/en/latest/
• Jupyter Notebook「Migrating to Notebook 7」：https://jupyter-notebook.readthedocs.io/en/latest/migrate_to_notebook7.html
• Jupyter Server「Running a public Jupyter Server」（パスワード・ポート・設定）：https://jupyter-server.readthedocs.io/en/latest/operators/public-server.html
• JupyterLab「JupyterLab Documentation」：https://jupyterlab.readthedocs.io/en/latest/
• IPython「Built-in magic commands」：https://ipython.readthedocs.io/en/stable/interactive/magics.html
• nbformat「The Jupyter Notebook Format」：https://nbformat.readthedocs.io/en/latest/format_description.html
• nbstripout（GitHub）：https://github.com/kynan/nbstripout
• nbdime「nbdime – diffing and merging of Jupyter Notebooks」：https://nbdime.readthedocs.io/en/latest/
• Visual Studio Code「Jupyter Notebooks in VS Code」：https://code.visualstudio.com/docs/datascience/jupyter-notebooks
• Google Colaboratory「Frequently Asked Questions」：https://research.google.com/colaboratory/faq.html

株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。