Notebook dành cho người dùng R

Hơn một năm trước, chúng tôi đã ra mắt DataCamp Workspace, một IDE notebook trên nền tảng đám mây, được thiết kế để giúp các chuyên gia và nhóm có thể làm việc liền mạch với dữ liệu và cộng tác trực tuyến. Tính đến hôm nay, hàng nghìn cá nhân và nhóm đang sử dụng Workspace để phân tích dữ liệu và chia sẻ insight, xây dựng dự án danh mục và tham gia các cuộc thi. 

Gần đây, chúng tôi đã chuyển không gian làm việc RStudio sang Trình soạn thảo Notebook của DataCamp hoặc JupyterLab. Điều này có nghĩa là người dùng R có thể tận hưởng các tính năng Workspace mới nhất, bao gồm chia sẻ, cộng tác, bình luận, tích hợp SQL gốc, và nhiều hơn nữa. Trong bài viết này, chúng tôi sẽ nêu bật các tính năng chính của JupyterLab, cách nó khác với RStudio, và cách người dùng R có thể tận dụng Trình soạn thảo Notebook của DataCamp.

JupyterLab: Giao diện Notebook thế hệ mới

JupyterLab là môi trường phát triển tương tác trên web dành cho notebook R và Python, cùng các ngôn ngữ lập trình khác. Được thiết kế riêng cho quy trình làm việc khoa học dữ liệu và học máy, giao diện phong phú của nó gồm notebook, terminal, trình soạn thảo văn bản và trình duyệt tệp. Thiết kế dạng mô-đun cũng khuyến khích cộng đồng mã nguồn mở tạo các phần mở rộng nhằm mở rộng chức năng của JupyterLab. Trong JupyterLab, đầu ra của mỗi ô mã sẽ xuất hiện khi ô được chạy. Giống như trong notebook R Markdown, người dùng cũng có thể xen kẽ các khối mã với chú thích markdown. 

Tổng quan về giao diện JupyterLab trên DataCamp Workspace

JupyterLab ≈ RStudio 

Cả JupyterLab và RStudio đều là các Môi trường Phát triển Tích hợp (IDE) phổ biến cho ngôn ngữ R. Ngoại trừ một vài khác biệt tinh tế, chúng rất giống nhau về chức năng và cảm giác sử dụng. Trong số những thứ khác, RStudio có trình quản lý tệp, terminal, bộ khám phá biến, và thậm chí một khung trợ giúp hàm. Những điều này cho phép lập trình viên dễ dàng truy cập các tệp và thiết lập khác nhau, giúp việc phân tích nhanh hơn và dễ hơn. Nhiều tính năng trong số đó cũng có trong JupyterLab. Ở phần này, chúng tôi làm nổi bật các thành phần chính của giao diện JupyterLab. 

Thanh bên

Thanh bên trái chứa năm biểu tượng:

• Trình duyệt tệp, nơi bạn có thể mở các tệp khác nhau 
• Terminal và kernel đang chạy, nơi bạn có thể xem các tiến trình đang chạy 
• Git, nơi bạn có thể quản lý kho lưu trữ
• Mục lục, nơi bạn có thể lướt qua dàn ý notebook
• Trình quản lý phần mở rộng, nơi bạn có thể tải các phần mở rộng notebook

Tổng quan trình quản lý tệp

Terminal và kernel đang chạy

Tổng quan mục lục

Tổng quan trình quản lý phần mở rộng

Khu vực làm việc chính

Khu vực làm việc chính là nơi người dùng viết mã, chạy lệnh shell và chỉnh sửa tài liệu markdown. Tương tự RStudio, người dùng có thể tùy chỉnh bố cục theo ý thích. Bạn có thể chọn tập trung vào một khung đơn hoặc làm việc trên nhiều khung đồng thời.

Giao diện JupyterLab có thể tùy chỉnh

Thanh menu trên cùng

Giống như RStudio, thanh menu trên cùng chứa một tập hợp các hộp thoại và ribbon cho phép người dùng thực hiện các thao tác sau:

• File để mở, lưu và tải xuống notebook cùng các thao tác khác
• Edit để chỉnh sửa nội dung ô (như hoàn tác, làm lại, xóa và tách ô)
• View để tùy chỉnh các khung có trong JupyterLab
• Run để chạy các khối mã trong Jupyter notebook
• Kernel để ngắt hoặc dừng một kernel đang chạy (chúng ta sẽ bàn sau)
• Git để quản lý kho lưu trữ và kiểm soát phiên bản
• Tab cho phép người dùng điều hướng qua các tab trong JupyterLab.
• Settings cho phép người dùng linh hoạt tùy chỉnh giao diện của JupyterLab.
• Help chứa thêm thông tin về JupyterLab.

Thanh menu trên cùng trong JupyterLab

Động cơ chạy mã của JupyterLab: Kernel

Một thuật ngữ phổ biến bạn có thể thường thấy khi làm việc với Jupyter là “kernel”. Kernel là một tiến trình thực thi mã và tương tác với các ứng dụng Jupyter như JupyterLab. Có thể hình dung nó như động cơ chạy phần mã có trong Jupyter notebook. Kernel vẫn tiếp tục chạy ngay cả khi tài liệu notebook, bảng điều khiển mã hoặc terminal bị đóng. Điều này có nghĩa người dùng có thể thực hiện các tác vụ kéo dài (thậm chí đóng tài liệu notebook) và quay lại sau. 

Để xem tất cả Kernel đang chạy, người dùng có thể điều hướng tới tab “Running Terminals and Kernels”. Tại đây, người dùng có thể mở lại notebook được liên kết với một kernel nhất định.

Khung bên hiển thị terminal và kernel đang chạy

Có một vài thao tác liên quan đến kernel dành cho người dùng, bao gồm

• Ngắt một kernel: Thao tác này dừng việc chạy mã trong notebook, nhưng giữ lại các biến của notebook.
• Tắt một kernel: Thao tác này ngắt kernel và xóa tất cả trạng thái và biến hiện có của notebook. 
• Khởi động lại kernel: Thao tác này tắt kernel hiện tại và khởi động một kernel mới.

 Thanh menu kernel

Bắt đầu với JupyterLab

Hãy cùng đi qua quy trình tạo một notebook mới và chạy một phân tích với JupyterLab. Bạn có thể làm theo các hướng dẫn này bằng cách mở một tập dữ liệu mới hoặc mẫu bằng DataCamp Workspace. 

Tạo tài liệu

Bạn có thể tạo một notebook mới trong JupyterLab qua menu File > New > Notebook. Điều này rất giống với RStudio. Ngoài ra, bạn cũng có thể nhấn vào dấu + màu xanh ở góc trên bên trái để mở tệp mới.

Mở một tệp mới trong JupyterLab

Viết và chạy mã

Một notebook JupyterLab gồm nhiều khối, mỗi khối có thể chứa markdown hoặc mã. Một khối mã trong JupyterLab tương tự một chunk trong RNotebook.

Để tạo một khối, bạn có thể nhấp vào nút + gần phía trên của console. Bạn có thể chạy một khối mã bằng cách nhấn nút ▶ (hoặc Cmd+Enter cho người dùng Macbook, hoặc Control+Enter cho người dùng Windows). Tương tự RStudio, đầu ra sẽ hiển thị bên dưới khối mã sau khi chạy. Lưu ý rằng mỗi khối mã được thực thi một lần, giống chức năng ‘run current chunk’ trong RStudio. 

Trong RStudio, mỗi dòng có thể được chạy riêng lẻ (Run > Run Selected Lines). Tuy nhiên, điều này không áp dụng cho JupyterLab. Để chạy hai dòng riêng lẻ, người dùng JupyterLab phải tách các dòng thành các khối mã bằng chức năng tách ô (Edit > Split Cell).

Chạy một ô mã trong JupyterLab

Quản lý tệp

Tương tự RStudio, JupyterLab có giao diện quản lý tệp nơi người dùng có thể điều hướng tệp và thư mục. Người dùng có thể tạo, đổi tên, di chuyển và nhân bản tệp.

Trình quản lý tệp trong JupyterLab

Chú thích mã với Markdown

Chú thích là điều bắt buộc trong một notebook dễ đọc. Ở cả Jupyter Notebook và RStudio, người dùng có thể cung cấp ngữ cảnh cho mã của mình bằng các đoạn markdown.

Để tận dụng markdown, người dùng JupyterLab có thể tạo một khối mã mới và chuyển nó thành khối Markdown. Sau đó, người dùng có thể dùng cú pháp markdown để định dạng văn bản.

Sử dụng Markdown trong JupyterLab

Điều này hơi khác RNotebook, nơi không cần tạo khối riêng cho markdown. Khi knit, notebook sẽ được chuyển thành tài liệu HTML, trong đó mã và markdown được hiển thị phù hợp.

Lưu và xuất bản Notebook

Lưu trong JupyterLab tương tự như trong RStudio—cả JupyterLab và RStudio đều tự động lưu notebook theo một khoảng thời gian mặc định. 

JupyterLab cho phép người dùng xuất tệp Jupyter notebook (.ipynb) sang các định dạng khác, bao gồm HTML, LaTeX, Markdown và PDF. Để làm vậy, chỉ cần vào File > Save and Export Notebook As… > Định dạng đầu ra mong muốn.

Lưu và xuất một Notebook

Điều này có lẽ không gây ngạc nhiên với người dùng RStudio. Khi xem trước tệp RNotebook, RStudio tự động lưu một trang HTML với định dạng .nb.html. 

Mở Terminal và bảng điều khiển mã

Terminal là giao diện để chạy lệnh shell. Nó hữu ích khi lập trình viên cần chạy mã R và lệnh shell một cách tương tác. Trong JupyterLab, bạn có thể vào File > New > Terminal. Điều này có thể mới với người dùng RStudio, nơi khung Terminal được hiển thị theo mặc định.

Mở Terminal trong JupyterLab

Tùy chỉnh chủ đề

JupyterLab đi kèm sẵn chủ đề tối mặc định (Settings > Theme > Dark). Người dùng cũng có thể cài đặt các chủ đề không mặc định bằng Trình quản lý phần mở rộng. 

Chủ đề tối của JupyterLab

JupyterLab so với RStudio

JupyterLab và RStudio giống nhau nhưng không hoàn toàn tương đồng. Dưới đây là hai khác biệt.

• Giấy phép: Dự án Jupyter được phát hành theo giấy phép BSD sửa đổi. RStudio, ngược lại, được phát hành theo giấy phép Affero General Public Licenses.
• Tính năng: Một số tính năng Markdown không được hỗ trợ sẵn trong Jupyter notebook, bao gồm header YAML để đặt chủ đề, cấu hình mục lục, cài đặt nâng cao cho giao diện mã 

Vượt xa JupyterLab và RStudio: Trình soạn thảo Notebook của DataCamp

Mặc dù JupyterLab cung cấp rất nhiều tính năng hữu ích khi làm việc với dữ liệu, chúng tôi muốn mang lại cho cả các chuyên gia dữ liệu R và Python những lợi ích bổ sung khi làm việc với DataCamp Workspace. Đó là lý do chúng tôi ra mắt Trình soạn thảo Notebook của riêng mình.

Trình soạn thảo Notebook của DataCamp được xây dựng trên nền Jupyter Notebooks, cho phép các nhóm viết mã, phân tích dữ liệu và chia sẻ insight một cách dễ dàng. Nó hỗ trợ R, Python và SQL. Dưới đây là tóm lược các tính năng chính của Trình soạn thảo Notebook DataCamp.

Trình soạn thảo Notebook của DataCamp

Cộng tác dễ dàng

Các công cụ hiện có không phải lúc nào cũng cho phép nhà khoa học dữ liệu chỉnh sửa cùng một đoạn mã đồng thời. Núi thắt cổ chai xuất hiện khi họ bắt đầu chuyển qua lại các tệp notebook cho nhau. DataCamp Workspace giải quyết trực diện vấn đề đó. Nó là Google Docs cho notebook – nhiều người dùng có thể làm việc trên một notebook tại bất kỳ thời điểm nào. 

Notebook có thể được xuất bản và liên kết của nó được chia sẻ với đồng đội của bạn. Chia sẻ một notebook nằm trên đám mây tốt hơn là chia sẻ một notebook ngoại tuyến, vốn có thể chạy trên máy này nhưng không chạy trên máy khác.

Cộng tác trong DataCamp Workspace

Hỗ trợ SQL gốc

Một tính năng hữu ích trong DataCamp Workspace là hỗ trợ SQL gốc. Người dùng có thể thiết lập kết nối bảo mật từ Trình soạn thảo Notebook của DataCamp tới một cơ sở dữ liệu, như PostgreSQL, MySQL và Redshift. Dữ liệu trích xuất từ cơ sở dữ liệu tích hợp sau đó có thể được phân tích bằng R hoặc Python. 

SQL trong Workspace

Không cần cấu hình

DataCamp Workspace và tất cả tính năng của nó không yêu cầu thiết lập. Nó hoạt động theo yêu cầu, ngay trong tầm tay bạn, bất cứ lúc nào. Dù dùng JupyterLab hay Trình soạn thảo Notebook của DataCamp, bạn có thể mở Workspace trên trình duyệt web, và môi trường notebook của bạn sẽ sẵn sàng trong vài giây. Vì Workspace tồn tại và chạy trên đám mây, bạn không cần tải hay cài thêm phần mềm nào. Trái lại, cài đặt JupyterLab đúng cách trên trình duyệt vốn nổi tiếng là khó, đặc biệt với người mới bắt đầu. 

Bắt đầu với DataCamp Workspace

Chúng tôi hy vọng bạn thấy hữu ích phần tóm lược về cách DataCamp Workspace có thể tăng cường quy trình làm việc với R của bạn. Khi chúng tôi tiếp tục cải thiện và xây dựng các tính năng mới, hãy cho chúng tôi biết cách chúng tôi có thể tạo ra môi trường notebook tốt nhất cho các chuyên gia dữ liệu.

Sẵn sàng chưa? Bắt tay vào viết mã với DataCamp Workspace ngay bây giờ.