目录
Google Colab 零基础入门教学
一、Google Colab 是什么？
先来简单说说 Google Colab 是个什么东西。
你可以把它理解为一个“网页版的 Python 编程环境”。不需要安装任何软件，只要你有一个 Google 账号，就可以打开一个页面，开始写代码、运行代码，甚至还能画图、做机器学习实验。
它有点像 Jupyter Notebook，但运行在云端。也就是说，就算你的电脑配置一般，也可以做很复杂的任务，因为 Google 会“借你电脑用”，例如现在就可以免费的使用英伟达的T4显卡，非常爽啊现在二手还要卖5999呢。
二、如何开始使用？
要使用 Google Colab，第一步你需要有一个 Google 账号，就是你用来登录 Gmail 的那个账号。如果没有，可以去 https://accounts.google.com/ 注册一个（我想这一步就能难到百分之九十九的人了，因为需要科学上网和科学注册）。
接着打开网址：https://colab.research.google.com/
进去之后你会看到几个选项，比如：
-
新建笔记本（New Notebook）
-
打开已有的文件
-
最近打开过的笔记本
我们点“新建笔记本”就可以开始写代码了。
三、界面介绍
打开之后，界面大致分成三部分：
-
左上是文件名，可以点击修改，比如改成“第一次写代码”
-
中间是代码区域，每一块叫一个“代码单元格”（Code Cell）
-
左边有一个小箭头，点开后能看到文件夹（你可以上传自己的文件）和变量状态
每个单元格就像一个小编辑器，你可以写 Python 代码，然后点左边的播放按钮（或按 Ctrl+Enter）来运行。
四、第一行代码
来，先写点简单的：
print("Hello, Colab!")按下 Ctrl + Enter，就会在下方输出：
Hello, Colab!
是不是很像一个线上编程软件？和你用 Python 编译器的感觉差不多，最主要的是你根本不需要自己配置Python环境，他已经自带了Python和Python3的环境还有pytorch和cuda。
Colab 可以一行一行地运行代码，这样做有一个好处：你可以分步骤调试、观察结果，非常适合学习和实验。
五、文本和代码混写的好处
Colab 支持文字和代码穿插在一起写。点击左上“+文本”，就能添加 Markdown 格式的说明。
这意味着你可以一边写文字，一边解释你要做什么，然后写代码，这让整个笔记本看起来更有逻辑，也更方便复习。也就是相当于注释了
比如：
## 本节目标 - 学会使用 print() - 理解变量的概念
这对于整理学习笔记、写作业，甚至做演示，都很实用。
六、文件上传与读取
如果你有自己的数据文件（比如 Excel、CSV、图片），可以点左边的小文件夹，然后点上传，把文件传到 Colab 上。
例如上传一个名为 data.csv 的文件之后，你就可以用 Pandas 来读取它：
import pandas as pd
df = pd.read_csv('data.csv')
df.head()
而且还能一键生成统计图表。
不过要注意的是，Colab 会默认把你上传的文件保留一段时间，但如果你重新打开笔记本，之前上传的东西可能会消失（几乎是百分百消失），要重新上传。
七、安装第三方库
有时候你需要用一些额外的工具，比如 matplotlib 或 scikit-learn，Colab 已经预装了很多常用的库。但如果你想装点别的，可以直接用 pip：
!pip install openpyxl 注意前面加了个感叹号 !，这表示你要在 Colab 里执行一个命令行指令。
八、使用 GPU 或 TPU 加速
Colab 最厉害的地方之一是：它免费给你用 GPU 和 TPU（虽然时间有限）。
你可以点击顶部菜单：
代码执行程序（Runtime） > 更改运行时类型（Change runtime type） > 选择 GPU
之后你运行的代码就可以用到 GPU 加速了，非常适合跑神经网络、深度学习等项目。
九、保存与分享
Colab 的文件可以保存在 Google Drive 里，不用担心丢失。具体如何使用 Google Drive 保存文件以及快速下载文件（沟槽的colab下载速度几乎可以忽略不计）可以看我的另一篇文章链接如下：
如何快速的从Google colab 中下载文件（亲测好用）-CSDN博客
十、适合做什么？
Colab 非常适合以下用途：
-
初学者练习 Python（完全可以当作入门工具）
-
做数据分析（支持 Pandas、Matplotlib 等）
-
跑机器学习模型（支持 TensorFlow、PyTorch）
-
写教学文档、项目笔记、作业报告
它的优势就是：一站式环境 + 免费计算资源 + 可视化结果 + 随时保存 + 云端同步。
入门案例
第一例：打招呼，确认代码能运行
# 输出一句话，确认代码能正常执行
print("你好，Colab！欢迎学习 Python 🚀")
第二例：Python 基础语法练习
# 定义变量
name = "小明"
age = 18
# 输出信息
print(f"{name} 今年 {age} 岁啦")
# 简单的计算
a = 5
b = 3
sum_ = a + b
print("5 + 3 =", sum_)
# 判断语句
if age >= 18:
print("成年了")
else:
print("未成年")
第三例：画一张图（数据可视化）
# 导入画图工具
import matplotlib.pyplot as plt
# 模拟一些数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
# 画图
plt.plot(x, y, marker='o')
plt.title("简单的折线图")
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.grid(True)
plt.show()
📁 第四步：读取并查看CSV文件（数据分析入门）
-
先上传一个文件（比如
data.csv） -
然后运行下面的代码查看内容：
# 导入pandas库
import pandas as pd
# 读取CSV文件（先在左边上传data.csv）
df = pd.read_csv("data.csv")
# 显示前几行
df.head()
🤖 第五步：简单的机器学习模型（预测房价）
# 使用sklearn中的线性回归模型来预测房价
from sklearn.linear_model import LinearRegression
# 假设我们的数据是：面积（㎡） vs 房价（万元）
area = [[50], [60], [70], [80], [90]]
price = [100, 120, 140, 160, 180]
# 建立模型
model = LinearRegression()
model.fit(area, price)
# 预测100㎡房子的价格
predicted = model.predict([[100]])
print(f"预测100㎡房子的价格为：{predicted[0]:.2f} 万元")
小结
Google Colab 是一个适合学习、实验、展示的在线 Python 工具。它门槛低、上手快，特别适合刚开始学 Python 的同学使用。
你只需要会一点点代码，就能写出完整的实验过程，并且把结果清晰地展示出来。
下一步你可以试试导入库、画图，或者上传一个 Excel 表格做点简单的数据处理——一步一步探索，Colab 会成为你学习编程的好帮手。
扫一扫
3476
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
