在数据科学和开发领域,有一种被称为计算笔记本的工具,它允许研究人员和数据科学家将科学计算、实时代码、方程式、可视化和解释性文本集成到一个文档中,这种文档形式被称为笔记本。JupyterLab,作为Jupyter笔记本的下一代界面,自2021年初推出3.0版本以来,带来了许多新特性和扩展,使其成为理想的开发环境。
Jupyter社区因其直观的数据科学特性而迅速增长。一个名为JupyterLab的先进项目已经发布,它比Jupyter笔记本更进一步。JupyterLab是一个为Project Jupyter提供的开源交互式基于Web的用户界面,是一个用于处理笔记本、代码和数据的开发环境。JupyterLab完全支持Jupyter笔记本,并具有多种集成设施。JupyterLab允许在标签式工作空间中同时使用文本编辑器、终端、调试器和数据文件查看器。它支持在同一窗口中以多个标签的形式打开多个笔记本。JupyterLab以其基于Jupyter笔记本的IDE而闻名。
使用JupyterLab进行数据科学有多个理由。JupyterLab主要是作为优化端到端数据科学流程的平台而开发的。它已成为全球数据科学家不可或缺的工具。
JupyterLab为显示独立的内联可视化提供了非凡的功能。很多时候需要查看特定的输出,这个用例可以通过使用JupyterLab 3.0界面轻松解决,这与其他传统的IDE如VSCode不同。在Jupyter笔记本中,任何单元格都可以随时在笔记本中执行以产生输出。这对于执行探索性数据分析(EDA)非常有用。JupyterLab允许用户将可视化和Markdown与代码本身一起显示,从而实现更好的表示和解释。
在处理复杂的数据科学问题时,跟踪每个单元格的执行状态是一个额外的优势。Jupyter的自动缓存允许存储每个单元格的输出以供将来参考。
JupyterLab提供了平台和语言的独立性。它支持数据科学家常用的大多数语言,如Python、R和Julia,以及Html、Markdown等多种文件格式。
Jupyter笔记本为用户提供了探索代码和数据交互性的标准用户界面。允许用户在途中编辑和运行代码,从而使代码动态化。交互性提高了代码性能,并为用户根据需要进行更改提供了途径。
是时候转向JupyterLab 3.0了,它拥有所有最新的升级以及所有令人兴奋的Jupyter特性。使用JupyterLab 3.0不仅仅是一个原因,而是多个原因。
JupyterLab 3.0为笔记本、编辑器、目录发现和调试器提供了单一环境。可以处理不同的文件格式,如jpeg、pdf、CSV等。
可以通过使用标签和分隔符并排安排文件和活动。JupyterLab提供了拖放功能,以在标签式环境中同时执行各种活动。可以轻松调整标签的大小以获得更好的使用体验。右侧和左侧的侧边栏面板可用于提高工作区效率。
保存代码计算历史记录可以在许多方面提供巨大优势。它们可以作为保存在控制台中的笔记本中的代码记录。很多时候需要验证代码块,其中代码控制台可以派上用场。
同一笔记本的突出视图可以以多种方式呈现,以获得更好的编码体验。笔记本的特定部分可以并排单独查看以进行比较,位于JupyterLab工作区内部。在视图中所做的任何更改都将反映并保存在笔记本中。这有助于在不必来回滚动的情况下查看必要的信息。
使用Jupyter笔记本,可以在同一个笔记本内移动和复制单元格。但是使用JupyterLab,可以通过简单的拖放功能在多个笔记本之间复制单元格。
JupyterLab一直在推出新版本以增强用户体验。JupyterLab 3.0也引入了一些令人惊叹的功能。
引入了一个默认的前端调试器,使笔记本、代码控制台和文件能够直接从JupyterLab界面进行调试!
conda create -n newenv -c conda-forge jupyterlab=3 xeus-python
conda activate newenv
现在可以从启动器或使用内核选择对话框选择xeus-python内核。
为什么要将界面内容限制为单一语言,当可以选择任何喜欢的语言时?JupyterLab3.0提供了根据选择更改界面语言的功能,方法是安装语言包。
conda install -c conda-forge jupyterlab-language-pack-<语言代码>
安装后,需要在界面中重置语言设置以激活语言。接受确认框并刷新以查看更改后的界面。
扩展是JupiterLab交互体验的关键部分,因为JupyterLab是基于可扩展系统构建的。JupyterLab 3.0提供了另一种分发和安装扩展的方法,即作为pip或Conda包。早期版本需要NodeJS绑定与JupyterLab一起安装扩展。现在可以通过直接安装来避免重建JupyterLab和将扩展分发为npm包的麻烦。
用户界面的变化包括:
JupyterLab可以通过多种方式安装,例如:
通过Conda安装:
conda install -c conda-forge jupyterlab
通过mamba安装:
mamba install -c conda-forge jupyterlab
通过pip安装:
pip install jupyterlab
通过pipenv安装:
pipenv install jupyterlab
pipenv shell
如果使用pipenv来启动JupyterLab,则需要激活virtualenv。