JupyterLab 入门教程

没有编程语言，就谈不上软件开发。没错，没有编程语言的软件开发者就像没有车的出租车司机。不过，事情没那么简单。正如 GPS 让出租车司机的工作更轻松，集成开发环境（也称 IDE）也能让程序员更高效。

IDE 的设计初衷是帮助程序员更高效地编写代码和开发软件应用。IDE 将多种工具整合到同一界面，从而提高程序员的生产力。编写、测试和调试代码，以及语法高亮、括号匹配、代码自动补全等编辑功能，都是现代 IDE 的常见特性。

有许多特别适合数据科学的 IDE，包括 DataCamp 的 DataLab。本文将向您介绍 JupyterLab——Jupyter Notebook 的下一代产品，或许是数据科学领域最受欢迎的 IDE。自 2018 年发布以来，JupyterLab 提供了更灵活的用户界面和比经典 Jupyter Notebook 更多的功能，它无疑代表着 Jupyter 项目 的现在与未来。想要开始使用 JupyterLab 吗？继续阅读！

Jupyter Notebook 简介

2014 年 Jupyter Notebook 首次发布后，很快就彻底改变了 IDE 版图。它最近被认为是最重要的 计算项目 之一，永久改变了科学出版的流程，Jupyter 也由此成为数据科学的事实标准。

Jupyter Notebook 采用服务器-客户端应用架构，允许编码者通过网页浏览器编辑并运行笔记本。该应用既可在无互联网连接的本地计算机上运行，也可安装在远程服务器上，通过互联网访问。

最初它旨在支持 Julia、Python 和 R——这三种最流行的 数据科学编程语言。如今，Jupyter 已支持 40 多种编程语言。

Jupyter 由两个主要组件组成。

• 内核（Kernel）。 用于运行并自省用户代码的程序。默认情况下，Jupyter 提供 Python 代码内核，但也有针对其他编程语言的内核可用。
• 控制台（Dashboard）。 笔记本主要由一系列单元格构成，单元格中可以包含代码、文本、可视化、图像和公式等元素。除单元格外，控制台还包含用于配置笔记本工作流、调试代码、将笔记本导出为不同格式、浏览文档等的各类工具。

作为 Jupyter Notebook 的升级版，JupyterLab 在保持核心组件不变的同时，新增了诸多功能与能力。

JupyterLab 入门

与其他程序一样，要使用 JupyterLab，您首先需要在计算机上安装它。根据您的偏好，可以通过多种方式完成：使用 pip、Anaconda 或 Docker。

使用 pip 安装 JupyterLab

Pip 是 Python 的标准包管理器。要用 pip 安装 JupyterLab，只需在命令行运行：

>>pip install jupyterlab技术支持

运行该指令后，pip 会安装 JupyterLab 包以及所有所需依赖。如果您想进一步了解如何在 Python 中管理包，请查看我们的Pip Python 包管理教程。

成功在计算机上安装 JupyterLab 后，运行以下命令即可打开 JupyterLab：

>>jupyter lab技术支持

随后，应用会在您常用的网页浏览器中，打开如下地址：http://localhost:8888/lab

使用 Anaconda 安装 JupyterLab

Anaconda 集包管理器、环境管理器与 Python 发行版于一身，包含众多开源包。如果您想开始数据科学之旅，Anaconda 是非常不错的选择。您无需再为如何安装 Python 或 JupyterLab 而烦恼，因为它们会在现代 Anaconda 发行版中自动安装。

启动 JupyterLab 最简单的方法是通过 Anaconda Navigator，这是一款以友好、零代码的方式让您使用 Anaconda 各项功能的应用。如下图所示，Jupyter Notebook 和 JupyterLab 均已安装。您只需点击 Launch 按钮，即可在浏览器中打开 JupyterLab。

不过，在某些情况下（例如创建新的conda 环境）时，您可能需要在该环境中安装 JupyterLab。要做到这一点，最快的方法是在 conda 命令行（Windows 上的 Anaconda Prompt，macOS 与 Linux 上的终端）运行以下命令：

>>conda install -c conda-forge jupyterlab技术支持

使用 Docker 安装 JupyterLab

Docker 是一个用于在容器中运行软件的开放平台。这些容器是自包含、相互隔离的进程，允许您将应用与基础设施解耦，从而更快速地交付软件。

如果您已安装 Docker，可以通过选择 Jupyter Docker Stacks 支持的众多 Docker 映像之一来安装并使用 JupyterLab。您可以将这些映像视为预打包的软件集合，运行时可由 Docker 自动下载。

例如，如果您想安装 Docker 映像 jupyter/datascience-notebook（其中包含 Julia、Python 和 R 的数据分析库），只需在 Docker 命令中运行以下指令：

>>docker run -it -p 10000:8888 -e JUPYTER_ENABLE_LAB=yes jupyter/scipy-notebook技术支持

有关在 Docker 上使用 JupyterLab 的更多细节与示例，请查看其文档。此外，如需 Docker 的详细入门介绍，我们强烈推荐这篇 DataCamp 教程。

JupyterLab 界面

JupyterLab 的界面是在 Jupyter Notebook 基础上的重制版，提供了一组用于交互式高效计算的模块化构件。JupyterLab 将多种编码工具集成在同一界面中，带来更接近传统 IDE 的编程体验。

JupyterLab 界面主要包括以下元素：

• 工作区。 主要工作区采用全新的选项卡式布局，允许您将不同文档（笔记本、数据文件、HTML、PDF、图像等）和编码工具（终端、代码控制台、文本编辑器等）组合为可通过拖放调整大小或再分割的选项卡面板。与 Jupyter Notebook 不同，基于选项卡的系统让开发者无需离开 JupyterLab 就能完成大多数任务，从而实现更一体化、更高效的编程。
• 左侧边栏。 可折叠的侧边栏包含多种常用选项卡，包括：
  • 文件浏览器。 用于管理计算机上的文件与文件夹。
  • 选项卡与内核管理器。 提供主工作区中的选项卡列表，以及正在运行的内核和终端列表。
  • 目录。 基于 Markdown 单元格标题生成的交互式索引。
  • 扩展管理器。 允许您安装新的应用和插件以改进 JupyterLab 体验（见下文）。
• 右侧边栏。 第二个可折叠侧边栏，包含：
  • 属性检查器。 可详细查看单元格的信息与属性。
  • 调试器（见下文）
• 菜单栏。 JupyterLab 顶部的菜单栏包含可在 JupyterLab 中使用的顶级菜单。具体包括：
  • File：与文件和目录相关的操作。
  • Edit：与编辑文档及其他活动相关的操作。
  • View：更改 JupyterLab 外观的操作。
  • Run：在不同活动中运行代码的操作。
  • Kernel：管理内核的操作。
  • Tabs：工作区中已打开的文档和活动列表。
  • Settings：常用设置与高级设置编辑器。JupyterLab 的一大亮点是可以为界面选择不同主题，包括暗色模式。
  • Help：JupyterLab 与内核的帮助链接列表。

在 JupyterLab 中调试

调试的目标是在测试过程中定位程序中产生错误的原因，从而调整代码，输出准确且符合预期的结果。

在调试过程中，数据从业者乃至更广泛的软件开发者，会监控程序中变量的交互与变化。您可以通过观察不同函数、方法，甚至每一行代码如何改变变量的取值与功能，来调查程序错误的潜在原因。

Jupyter Notebook 与 JupyterLab 的早期版本内置了用于调试任务的 %debug 魔法命令。不过，与其他 IDE 的调试器相比，该工具相当基础。

好在最新版本的 JupyterLab 默认包含调试器前端，具备传统的调试功能，包括设置断点、单步进入函数和检查变量。您可以从右侧边栏启用它，如下图所示：

JupyterLab 扩展

JupyterLab 本身已是功能强大、装备齐全的工具，新增功能将让您的编码体验更接近 IDE。不过，如果您觉得某些功能有所缺失，或想增强 JupyterLab 的能力，不妨看看 Jupyter 扩展。

JUpyterLab 扩展由 JavaScript 编写，是包含一个或多个插件的软件组件，可为 JupyterLab 增添新功能，例如新主题、文件编辑器和新的命令快捷方式等。

JupyterLab 扩展分为两类：

• 预构建扩展。 安装时不需要重新构建 JupyterLab。
• 源代码扩展。 安装时需要重新构建 JupyterLab。重新构建 JupyterLab 需要已安装 Node.js——一种用于运行 JavaScript 应用的开源跨平台环境。

如果您使用带有 conda-forge 软件源的 conda，可按以下方式获取 Node.js：

>>conda install -c conda-forge nodejs技术支持

管理 JupyterLab 扩展的方法有多种，但我们强烈建议您使用内置的扩展管理器。通过左侧边栏上的拼图图标进入，扩展管理器允许您在无需编写代码的情况下安装和禁用扩展。

有关 JupyterLab 扩展及其管理方式的更多信息，请参阅 JupyterLab 文档。

JupyterLab 与 Jupyter Notebook 对比

下面是 Jupyter Notebook 与 JupyterLab 的差异对照表：

DataLab

如果您在寻找一款在线云端 IDE，既可协作编写代码和分析数据，又能分享数据洞见，DataLab 是绝佳之选。

由 DataCamp 打造的 DataLab 是一款云端数据分析平台，旨在帮助您快速、轻松地上手。使用 DataLab，您可以跳过耗时的环境配置，立刻开始处理数据。无需安装任何东西，一切都可通过浏览器访问。

在使用 DataLab 时，您会发现内置数据集可即刻调用，还有带预写代码的预构建模板。DataLab 适用于各个技能层级，并提供低代码与零代码工具，助您创建精美的报告与可视化。

它还支持 Python 和 R，二者均具备原生 SQL 集成，并预先配置和安装了全球最流行的数据科学包。