神器jupyter的优势和使用教程

Python代码编辑器怎么选？PyCharm、VSCode、JupyterNotebook都各有特色，Jupyter适合做数据分析这些需要可视化的操作，PyCharm更适合做完整的Python项目。然而，因为交互式操作，很少会有开发者想到用Jupyter做Debug 。
尽管很多读者可能认为Jupyter用来做展示和小型试验就足够了，Debug并没有太大的需求，但弥补上Jupyter缺失的一环，能让它更好用，未来Debug也会作为默认模式。为什么Jupyter需要Debug？Jupyter这种工具虽然有很好的交互性能，但其也明白，对于大型代码库，最好还是用传统的IDE比较靠谱。因此为了弥补这一缺陷，Jupyter项目在过去几年也希望通过JupyterLab来加强对大型代码库的处理过程。然而，JupyterLab还是有一大缺陷，它不能通过可视化的方式进行Debug，这限制了进一步的调试。这几天，Jupyter团队表示，经过几个月的开发，他们很高兴能第一次发布Jupyter可视化Debugger 。虽然这只是第一版，但目前已经可以设置常见的断点Debug，查看各种变量、执行模块等信息。

文章插图
进入已删除的单元格

文章插图
在JupterLab中调试代码控制台

文章插图
在JupyterLab中调试文件可以在notebook级别上启用调试，用户可以在调试notebook的同时在另一个notebook上工作。

文章插图
同时调试多个笔记本可以使用树状查看器和表状查看器检查变量：

文章插图
变量浏览器JupyterLab的debugger插件目标是与任何支持调试内核一并使用。通过DebugAdapterProtocol，debugger插件可以抽象出针对于特定语言的功能，并为用户提供匹配的调试界面。并且团队计划在2020年对debugger的体验进行重大改进，例如在变量浏览器中支持丰富的渲染，在UI中支持条件断点。VSCode可视化Debug工具Debug是条漫漫长路，不久前机器之心也介绍过一款VSCode实时可视化debug工具，在此也可以作为参考。以一种更优雅、更简洁的debug方式帮用户找到代码问题所在是未来优化的方向之一，而之前所介绍这款可视化debug能够快速展示数据结构。从效果层面上看此款工具更加惊艳，而且跟以往传统debug方式的展示形式完全不同，比如将断点设置为第32行定义双向链表，随后一行行运行代码就会在右图展现出对应的数据结构图。

文章插图
同时也会根据数据结构以不同的方式展现，例如树形、表格、曲线和图等。

文章插图
同时还内置了其他可自定义的可视化调节器，可以根据面对不同的处理对象，可选择更易于理解的可视化方式。比如图表可视化，Plotly可视化，Tree可视化，网格可视化，文本可视化等等。
Plotly可视化
AST可视化不过这款VSCode的debug工具开发者正在探讨其对Python的支持，而对于Python的完美支持会使得该项目更加便捷且适用。而对于debug来说，不管最终是采用的是print（）大法，或是善用assert语句，亦或是以直接设置断点，包括各种新推出的debug工具。单从辅助工具角度层面看，只要它能够提高工作效率，不管是哪款debug工具，找到适合你的那便是值得一试
原文标题：神器jupyter，终于来了！
文章出处：【微信公众号：人工智能与大数据技术】欢迎添加关注！文章转载请注明出处。
【神器jupyter的优势和使用教程】责任编辑：haq
.dfma {position: relative;width: 1000px;margin: 0 auto;}.dfma a::after {position: absolute;left: 0;bottom: 0;width: 30px;line-height: 1.4;text-align: center;background-color: rgba(0, 0, 0, .5);color: #fff;font-size: 12px;content: "广告";}.dfma img {display: block;}