Jupyter進化：JupyterLab正式發布

Python部落(python.freelycode.com)組織翻譯，禁止轉載，歡迎轉發。

副標題：Jupyter 筆記本已經突破了他們「展示和講解」的角色，正變得更適合數據工程師使用。JupyterLab 會把這些筆記本升級成一款企業級工具嗎？

現如今，業內人士相信，數據和分析都可以藉助人工智慧的服務來完成。鑒於此，作為數據科學家看來最受歡迎的數據處理工具 -- 筆記本， 相關的介紹很多。這一領域的巨頭有 Apache Zeppelin，和更加著名的 Jupyter （前身是iPython）。如果你的工作平台是Databricks，通常你最後都會使用他們自有品牌的筆記本。即便如此，這些筆記本都和Jupyter兼容。

筆記本的問題在於，相比於生產環境里的數據工程工作，它更適合實驗性質的數據科學工作。雖然這只是我自己的看法，我卻堅持這麼認為。筆記本更多的是關於演示而非開發，而且缺少了很多IDE（集成開發環境）比如Eclipse, PyCharm, Visual Studio, RStudio的好的功能。

不過，凡事總有變化。Jupyter 筆記本起初是Python代碼的專屬工具，也是Anaconda的一部分。Anaconda包含了主要的Python發布，一直致力於通過JupyterLab增強Jupyter筆記本的功能，使其更像是一個IDE。本周早些時候，JupyterLab，這款受到長期吹捧的工具終於發布，可供開發者使用。考慮到這是個不大卻很重要的里程碑事件，我決定下載JupyterLab，跑一跑，並看看怎麼樣。整體而言，我印象深刻。

JupyterLab，一個基於R語言的筆記本和它的幾種可視化結果，顯示在了同一個版面上

JupyterLab是包含了Jupyter(筆記本)的超集。所以，在Jupyter筆記本中能做的事情，在JupyterLab中都可以做。而且能做的事情更多。

首先，一些筆記本能夠提供的，比如Tab鍵語法完成，Shift-Tab鍵查看對象工具的提示這些功能依然都在。比起獨立的Jupyter 筆記本來說，JupyterLab的功能更強：在Tab鍵完成時，提供匹配條目的類型的額外信息；在工具提示中，也提供對象相關的更多信息。有了這種基於上下文的輔助功能，開發者不必老是切換上下文，以便把事情給想清楚。

開發者們也可以工作在偏命令行風格的編程模式下，即，在控制台（而不是筆記本）內交互地運行他們的代碼。控制台是與Jupyter內核建立的實時會話（實際上語言解釋器是在筆記本後台完成代碼的執行），所以，開發者可以先在控制台環境中運行代碼，然後在以文本和圖形為主的文檔（顯示在筆記本中）中插入這些代碼。

然而，JupyterLab遠遠超越了筆記本的功能。它允許開發者打開多種格式的文件，這些文件中包含了他們可能用到的，或者由代碼產生的數據和其他資源。文件類型包括：支持語言的源代碼文件，純文本、CSV（和其他分隔符的文本格式）、JSON、各類圖片、甚至是PDF格式的文件。查看器和編輯器則包括：全功能的文本編輯器，圖片查看器，表格數據查看器，帶樹形視圖的JSON查看器，以及適用Vega, Vega-Lite和VDOM文件的查看器。

有時候，某些特定的文件適用於多個查看器。比如說，JSON和CSV文件都能以純文本方式打開。不過其實，JSON也可以用樹形視圖查看器打開，CSV也可以用表格查看器打開。Jupyter支持用多個編輯器同時打開這樣的文件，並且保持多個視圖間的同步，以便在一個編輯器中所做的修改，顯示在另一個編輯器中。

多視圖模型也適用於筆記本。比如，只要在筆記本內已顯示的圖像上單擊右鍵，並從菜單中選擇「為輸出建立新視圖」，多個圖像就可以並排地以各自視圖的方式顯示出來，包括筆記本的傳統視圖。

一點點拖放就可以辦到。支持在近似水平或垂直的區域中，顯示多個筆記本、輸出結果和文件查看器。區域之間用分隔列分開，每個區域容納了多個標籤文檔，每個文檔支持單獨上下滾動。一旦你習慣於創建這種布局，你甚至能夠排列出如上圖所示的儀錶盤風格的布局。

需要承認的是，這些養眼的東西有時候會讓人分心。所以，JupyterLab支持用戶在這種分塊布局和單文檔視圖之間進行切換。在單文檔視圖中，活動文檔會佔據JupyterLab瀏覽器頁或窗口的整個編輯區域。

JupyterLab支持Chrome，Firefox和Safari瀏覽器。據我有限的測試，除了單文檔視圖會導致嚴重的顯示異常以外（我確認該異常在Chrome中不存在），JupyterLab在Windows 10 Edge瀏覽器中也運行良好。

JupyterLab啟動器

類似Jupyter, JupyterLab支持多語言，前提是這些語言的內核已安裝好。如上圖所示，啟動器允許用戶選擇一種語言來創建新的筆記本，或是控制台。默認已安裝了Python內核。據我測試，我成功地安裝了R和Node/JavaScript內核。

下圖顯示了一個基於Node.js的筆記本，以及其中一種顯示結果的單獨視圖。

歸功於其對多種技術的組合，JupyterLab的安裝可以很複雜。首先，在你的系統上安裝Anaconda Python，它會安裝Jupyter的核心文件。接下來，安裝R內核的支持文件。然後，你可以下載JupyterLab，分別安裝其他語言和Jupyter內核。我是這麼安裝Node.js內核的，做了好幾步才弄對。去掉範例筆記本則耗費了額外的研究時間，安裝那些提供代碼支持所必須的模塊也是如此。

安裝也許有些難度，但並不高深（不算數據科學）。我曾經做過程序員，現在依然愛倒騰各種工具，所以我對這些東西有種本能。但是，我的編碼技能退化了，也不再是使用工具的好手了。如果我可以辦到，那麼任何有基本技能和對JupyterLab感興趣的人也可能沒什麼問題。不過，耐心和空餘時間還是需要的。如果有一個主要安裝程序，則會減少很多麻煩。

對於需要Jupyter用戶來說，由於很多雲服務（包括微軟HDInsight，亞馬遜SageMaker，及谷歌的Cloud DataLab）中已經包含了Jupyter，安裝不成問題。不知道這些包含Jupyter的服務和產品中也會包含JupyterLab嗎？但願如此，因為這樣做會讓這些平台上的數據工程體驗更好。

基於Web瀏覽器的開發工具富有創新性，但也有其局限性。對於這個難題，Jupyter是一個好榜樣。JupyterLab有助於超越這些局限，又不失創新性和便利性。讓我們希望它在生態系統中的應用越來越火。

英文原文：http://www.zdnet.com/article/can-data-science-notebooks-get-real-jupyter-lab-releases-to-users/
譯者：泰然

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！