Jupyter Notebook以其交互式调试，支持markdown/latex，支持多种编程语言等优点，使得它在Python开发过程中具有很多不可取代的优势。
如果经常浏览GitHub会发现，有不少有效的项目都适用的是Jupyter Notebook。
但是，话说回来，原始版本的ipython notebook的确存在很多不足支持，例如，自动补全、语法提示，想要达到常规IDE的体验就需要繁琐的配置。
正因为如此，后续有不少企业推出了ipython notebook的升级和替代版本，例如，JupyterLab。
但是，仅有这些还不够，还需要有优秀的内核。
最近我在GitHub上就发现一款令我眼前一亮的工具-ipyflow。
它是一款反应式，具有执行建议、语法扩展等功能的下一代 IPython 内核。
为什么需要ipyflow？
用过Jupyter的应该都清楚，它是由一个个独立的单元格组成，这样的确给交互式调试带来了很多便利，但是同时也带来了诸多弊端。
举个例子，我们做数据分析过程中，不同单元格之间的数据流是有关系的，如果修改了其中一个单元格某个变量的值，其他单元格就需要额外再执行一下，这样就很麻烦。
而ipyflow则可以在交互式单元格之间跟踪符号和单元格之间的数据流关系，针对上述问题就可以用到ipyflow的两项特性：
- 执行建议
- 反应式
执行建议
简单来说，为了使执行状态与单元格中的代码保持一致，当我们修改了某个单元格中变脸的值之后，它会用不同颜色标注状态，指示需要做的操作。例如，蓝色标识输入，红色标识输出，绿色标识需要重新执行的单元格：
反应式
可能有同学认为上述方法还是繁琐，需要重新手动执行每个受到影响的单元格。
其实，完全可以解放双手！
这就需要提到ipyflow的另外一个特性–反应式。
可以在任一单元格执行%flow mode reactive命令，这样就会开启反应式功能。
简单来说，就是当我们修改某个单元格的变量值之后，受影响的单元格会根据变动自动反应。
下面看一个例子：
如果想关闭反应式功能，可以执行%flow mode normal命令。
上面只是借着前面提到的问题介绍了ipyflow的两个特性，除此之外，它还有一些强大的功能，例如，语法扩展、集成ipywidgets。
语法扩展
简单概括就是，语法扩展在原本Python的语法之上增加了一些额外的语法，借着前面反应式这项功能的例子来说，我们可以在变量名前添加$符号来实现同样的功能，这种语法在原生的Python中是没有的。
集成ipywidgets
ipyflow 的反应式执行引擎，以及它的 API与 ipywidgets 完全兼容，允许单元格响应滑块变化、按钮点击和其他事件：
此功能可以与 stickyland 等其他扩展结合使用，这样在JupyterLab + ipyflow 之上各种展示看板时会非常有用。
安装使用
使用ipyflow时，需要首先安装了JupyterLab，然后在执行下面命令即可：
pip install ipyflow
然后执行下方命令打开JupyterLab：
Jupyter Lab
打开之后会发现页面上多了一个ipyflow的内核：
点击Python 3 (ipyflow)就可以使用了：
通过上述这些配置之后，你会发现Jupyter不仅具备自身独有的特性，还能够兼备IDE的使用体验，通过这样配置就不会觉得Jupyter难用了！
建议大家有空可以多浏览Github，有很多好用的开源免费工具。但是，目前Github上项目多如牛毛，而且刷榜现在也非常严重，想要找到优质的项目变得越来越难。这里，给大家推荐Github上一个非常不错的项目《DevWeekly》，这个项目每周都会精挑细选一些优质的开源项目，涵盖C++、JAVA、JavaScript、Python、Go等不同编程语言。此外，还有一些开源工具、优秀的技术文章，建议大家看一下：
https://gitee.com/sharetech_lee/DevWeekly
hello，大家好，我是Jackpop，重点大学本科毕业后保送到哈工大计算数学专业读研，有多年国内头部互联网、IT公司工作经验，先后从事过计算机视觉、推荐系统、后端、数据等相关工作。如果同学们在升学考研、职业规划、高考志愿、简历优化、技术学习等方面有困惑，欢迎大家前来咨询！