如果 JupyterLab 和 PyCharm 有一個孩子，那么他一定是DataSpell，一個面向?qū)I(yè)數(shù)據(jù)科學(xué)家的專業(yè) IDE。

雖然 Pycharm 這樣的 IDE 非常強大，但它并不適用于數(shù)據(jù)科學(xué)，因此大部分數(shù)據(jù)科學(xué)家都會選擇使用富有交互性的  JupyterLab 或 Jupyter Notebook 作為常用 IDE。但在調(diào)試完整項目時又不得不切換回具有專業(yè)環(huán)境的PyCharm。

這樣屬實有點麻煩，直到我發(fā)現(xiàn)了 DataSpell。

什么是DataSpell？

Dataspell是專為數(shù)據(jù)科學(xué)家打造的集成開發(fā)環(huán)境(IDE)。它由Jetbrains（IntelliJ Idea 和 PyCharm 背后的公司）開發(fā)，因此無需進一步介紹。

DataSpell 具有我們期望從 Jupyter 中獲得的一些典型功能，例如命令模式、編輯器模式、單元格導(dǎo)航、筆記本快捷方式和交互式輸出。

也就是說，對于專業(yè)數(shù)據(jù)科學(xué)家來說，這是一個更強大的專業(yè) IDE。這就是為什么我更喜歡 DataSpell 而不是 Jupyter Notebook（和 Pycharm）的原因之一了。

以下是 IDE 提供的內(nèi)容：

• 原生筆記本體驗——如果你使用過 Jupyter，將會有賓至如歸的感覺。
• 智能編碼輔助——就像 Jupyter 和 PyCharm 生了一個孩子一樣。
• Markdown 和 JavaScript — 根據(jù)需要設(shè)置筆記本的樣式并嵌入數(shù)據(jù)可視化。
• 交互式 shell — REPL 控制臺 + 語法檢查。

SQL 數(shù)據(jù)庫支持——連接到數(shù)據(jù)庫、直觀地檢查數(shù)據(jù)、導(dǎo)入/導(dǎo)出數(shù)據(jù)等。

一睹為快

如果你使用過PyCharm，那么這個外觀和感覺都會很熟悉。

創(chuàng)建第一個Notebook

該過程幾乎與任何其他 Jetbrains 產(chǎn)品相同。單擊根目錄并轉(zhuǎn)到New — Jupyter Notebook

并命名為 first_notebook.ipynb

創(chuàng)建筆記本時，可能已經(jīng)看到創(chuàng)建 R 腳本和Julia文件的選項。其實Dataspell 不僅支持Python ，還同時支持 R 和 Julia。

使用基本的 Python 數(shù)據(jù)科學(xué)庫測試

Numpy 數(shù)組和 Pandas DataFrame

與 DataFrame 的良好交互性

當(dāng)將 DataFrame 顯示為輸出時，與其他 Notebook 編輯器不同，當(dāng) DataFrame 很大時，DataSpell 可以顯示整個 DataFrame 而不會屏蔽某些數(shù)據(jù)。當(dāng) DataFrame 較大時，DataSpell 會自動添加一個滾動條，讓你可以滾動查看整個數(shù)據(jù)集。

同時，可以通過單擊列名輕松對數(shù)據(jù)進行排序，這將使用該列按升序或降序?qū)?DataFrame 進行排序（如果單擊兩次）。

如果要在單個框架中查看更多數(shù)據(jù)，可以選擇在單獨的選項卡中打開 DataFrame。

Matplotlib 繪圖

出色的智能編碼輔助

Jupyter Notebook 的一個缺點是它的編碼輔助，雖然可以打開擴展 “hinterland”啟用自動補全，但效果不佳。

如果按下“tab”按鈕，它有時會再次寫入整個變量名稱，而不是僅完成名稱的其余部分，有時甚至?xí)詣油瓿蓡卧~，甚至無須按 Enter。

DataSpell 的編碼輔助與 Pycharm 的一樣智能，有智能代碼完成、錯誤檢查和更多可用的東西。

Markdown 支持

除此之外，DataSpell 還支持 Markdown，這意味著我們的腳本仍將具有帶有 h1、h2、h3 標(biāo)題、純文本、編號列表、項目符號等的“筆記本風(fēng)格”（雖然尚不支持 LaTeX語法） 。將鼠標(biāo)懸停在一個單元格上方，然后單擊Add Markdown Cell：

另一種方法是單擊code下拉菜單并將單元格類型切換為 Markdown。

這里有一些 Markdown 代碼供嘗試：

這是運行單元格時的外觀：

出色的可視化輸出

Jupyter Notebook 的一項很酷的功能是無需任何額外安裝即可輸出可視化效果。而 Pycharm 則不然，但 DataSpell 可以與Jupyter媲美！

只需要打開.ipynb包含創(chuàng)建可視化的代碼的文件，你會發(fā)現(xiàn)所有可視化都會漂漂亮亮地顯示出來。

甚至支持交互式可視化

你猜怎么著？Dataspell 與 Plotly、Bokeh、Altair 和 ipywidgets 等交互式可視化庫配合得很好。

如下交互式可視化效果：

Pycharm 等完整 IDE 的一些很酷的特性（而 Jupyter Notebook 缺乏）是版本控制、輕松的終端訪問和數(shù)據(jù)庫集成。

版本控制

版本控制幫助我們跟蹤和管理對軟件代碼的更改。你可能用來管理源代碼更改的流行版本控制系統(tǒng)是 Github。

使用 DataSpell，你可以克隆 Git 項目、提交和推送更改、使用分支等等！

終端

DataSpell 有一個內(nèi)置終端，支持操作系統(tǒng)上可用的命令。終端在你的腳本下方可用，因此無需打開第二個窗口來再次使用終端！

虛擬環(huán)境管理

當(dāng)您使用 Python 一段時間后，你應(yīng)該已經(jīng)意識到為每個項目設(shè)置虛擬環(huán)境的重要性。DataSpell 通過提供設(shè)置頁面，可以輕松為任何數(shù)據(jù)科學(xué)項目配置虛擬環(huán)境。此外，它具有對許多數(shù)據(jù)科學(xué)家常用的 Conda 環(huán)境的內(nèi)置支持。

數(shù)據(jù)庫工具

如果我們每天都在使用 MongoDB、MySQL 和 Oracle 等數(shù)據(jù)庫，那么我有個好消息！DataSpell 可以連接到數(shù)據(jù)庫，因此我們可以直接從 IDE 訪問和查詢數(shù)據(jù)庫。

以下是支持的數(shù)據(jù)庫工具的完整列表：

這里介紹如何使用sqlite3包建立連接、創(chuàng)建數(shù)據(jù)庫和表：

現(xiàn)在可以像往常一樣插入數(shù)據(jù)：

Dataspell 的特別之處在于無需離開 IDE 或編寫不必要的查詢即可探索數(shù)據(jù)庫的選項。只需雙擊數(shù)據(jù)庫，就會打開一個新的側(cè)窗口，然后可以單擊任何感興趣的表格，以在單獨的選項卡中對其進行探索：

其實該功能在PyCharm 的專業(yè)版中也能找到，因此并不能算作DataSpell獨有的功能。

調(diào)試器

Jupyter Notebook 缺少可以幫助我們輕松檢測和刪除代碼中的錯誤的調(diào)試器。

幸運的是，DataSpell 有一個同時支持 Jupyter notebooks 和 Python 腳本的調(diào)試器。因此我們可以直接Debug，如在斷點處停止、管理變量等等。

插件

我喜歡 Pycharm 和 DataSpell 的一點是當(dāng)屬其插件，他們有很多出色的插件可供我們下載。

其實我們?yōu)?Pycharm 安裝的大多數(shù)插件也可均適用于 DataSpell。例如，使用 Rainbow CSV 為使用 Pycharm 打開的 CSV 文件中的列設(shè)置不同的顏色。

雖然介紹了這么多關(guān)于Dataspell的優(yōu)點，但用不用還是取決于你的實際需求，如果你的編碼工作比數(shù)據(jù)科學(xué)多，那么 PyCharm 可能是更好的選擇。另一方面，如果你所做的大部分工作都是純粹的數(shù)據(jù)科學(xué)，那么 Dataspell 就是你的一個較好的選擇。而相對于免費Jupyter，收費的Dataspell也是是阻止你使用的一大原因。

歸根結(jié)底，永遠留在我們身邊的不是工具，而是我們通過使用最適合我們需求的工具獲得的知識。你會不會從 JupyterLab 或 Jupyter Notebook 切換到Dataspell呢？