作者：Andrew Brust
原文地址：http://www.zdnet.com/article/can-data-science-notebooks-get-real-jupyter-lab-releases-to-users/
副标题：Jupyter 笔记本已经突破了他们“展示和讲解”的角色，正变得更适合数据工程师使用。JupyterLab 会把这些笔记本升级成一款企业级工具吗？
译者：首席IT民工
现如今，业内人士相信，数据和分析都可以借助人工智能的服务来完成。鉴于此，作为数据科学家看来最受欢迎的数据处理工具 -- 笔记本， 相关的介绍很多。这一领域的巨头有 Apache Zeppelin，和更加著名的 Jupyter （前身是iPython）。如果你的工作平台是Databricks，通常你最后都会使用他们自有品牌的笔记本。即便如此，这些笔记本都和Jupyter兼容。
可以把笔记本看成是一个你存放代码并添加注释的地方。不过，也许更准确地说法是，笔记本是存放大量注释，并用代码加以修饰的地方。无论你想要多么尖锐，有了笔记本，你可以在Markdown格式的富文本中，穿插任意语言的代码，本地运行，然后以文本、表格或是图形的方式来查看结果。如果你足够细致的话，甚至可以把这些资产拼凑成某个穷人的仪表盘。
超越演示功能
笔记本的问题在于，相比于生产环境里的数据工程工作，它更适合实验性质的数据科学工作。虽然这只是我自己的看法，我却坚持这么认为。笔记本更多的是关于演示而非开发，而且缺少了很多IDE（集成开发环境）比如Eclipse, PyCharm, Visual Studio, RStudio的好的功能。
不过，凡事总有变化。Jupyter 笔记本起初是Python代码的专属工具，也是Anaconda的一部分。Anaconda包含了主要的Python发布，一直致力于通过JupyterLab增强Jupyter笔记本的功能，使其更像是一个IDE。本周早些时候，JupyterLab，这款受到长期吹捧的工具终于发布，可供开发者使用。考虑到这是个不大却很重要的里程碑事件，我决定下载JupyterLab，跑一跑，并看看怎么样。整体而言，我印象深刻。
JupyterLab，一个基于R语言的笔记本和它的几种可视化结果，显示在了同一个版面上
编码生产力
JupyterLab是包含了Jupyter(笔记本)的超集。所以，在Jupyter笔记本中能做的事情，在JupyterLab中都可以做。而且能做的事情更多。
首先，一些笔记本能够提供的，比如Tab键语法完成，Shift-Tab键查看对象工具的提示这些功能依然都在。比起独立的Jupyter 笔记本来说，JupyterLab的功能更强：在Tab键完成时，提供匹配条目的类型的额外信息；在工具提示中，也提供对象相关的更多信息。有了这种基于上下文的辅助功能，开发者不必老是切换上下文，以便把事情给想清楚。
开发者们也可以工作在偏命令行风格的编程模式下，即，在控制台（而不是笔记本）内交互地运行他们的代码。控制台是与Jupyter内核建立的实时会话（实际上语言解释器是在笔记本后台完成代码的执行），所以，开发者可以先在控制台环境中运行代码，然后在以文本和图形为主的文档（显示在笔记本中）中插入这些代码。
比笔记本更强大
然而，JupyterLab远远超越了笔记本的功能。它允许开发者打开多种格式的文件，这些文件中包含了他们可能用到的，或者由代码产生的数据和其他资源。文件类型包括：支持语言的源代码文件，纯文本、CSV（和其他分隔符的文本格式）、JSON、各类图片、甚至是PDF格式的文件。查看器和编辑器则包括：全功能的文本编辑器，图片查看器，表格数据查看器，带树形视图的JSON查看器，以及适用Vega, Vega-Lite和VDOM文件的查看器。
有时候，某些特定的文件适用于多个查看器。比如说，JSON和CSV文件都能以纯文本方式打开。不过其实，JSON也可以用树形视图查看器打开，CSV也可以用表格查看器打开。Jupyter支持用多个编辑器同时打开这样的文件，并且保持多个视图间的同步，以便在一个编辑器中所做的修改，显示在另一个编辑器中。
双重视图
多视图模型也适用于笔记本。比如，只要在笔记本内已显示的图像上单击右键，并从菜单中选择“为输出建立新视图”，多个图像就可以并排地以各自视图的方式显示出来，包括笔记本的传统视图。
一点点拖放就可以办到。支持在近似水平或垂直的区域中，显示多个笔记本、输出结果和文件查看器。区域之间用分隔列分开，每个区域容纳了多个标签文档，每个文档支持单独上下滚动。一旦你习惯于创建这种布局，你甚至能够排列出如上图所示的仪表盘风格的布局。
单文档，多语言
需要承认的是，这些养眼的东西有时候会让人分心。所以，JupyterLab支持用户在这种分块布局和单文档视图之间进行切换。在单文档视图中，活动文档会占据JupyterLab浏览器页或窗口的整个编辑区域。
JupyterLab支持Chrome，Firefox和Safari浏览器。据我有限的测试，除了单文档视图会导致严重的显示异常以外（我确认该异常在Chrome中不存在），JupyterLab在Windows 10 Edge浏览器中也运行良好。
JupyterLab启动器
类似Jupyter, JupyterLab支持多语言，前提是这些语言的内核已安装好。如上图所示，启动器允许用户选择一种语言来创建新的笔记本，或是控制台。默认已安装了Python内核。据我测试，我成功地安装了R和Node/JavaScript内核。
下图显示了一个基于Node.js的笔记本，以及其中一种显示结果的单独视图。
不需要讨厌的安装程序了，真的吗？
归功于其对多种技术的组合，JupyterLab的安装可以很复杂。首先，在你的系统上安装Anaconda Python，它会安装Jupyter的核心文件。接下来，安装R内核的支持文件。然后，你可以下载JupyterLab，分别安装其他语言和Jupyter内核。我是这么安装Node.js内核的，做了好几步才弄对。去掉范例笔记本则耗费了额外的研究时间，安装那些提供代码支持所必须的模块也是如此。
安装也许有些难度，但并不高深（不算数据科学）。我曾经做过程序员，现在依然爱倒腾各种工具，所以我对这些东西有种本能。但是，我的编码技能退化了，也不再是使用工具的好手了。如果我可以办到，那么任何有基本技能和对JupyterLab感兴趣的人也可能没什么问题。不过，耐心和空余时间还是需要的。如果有一个主要安装程序，则会减少很多麻烦。
云应用的红利
对于需要Jupyter用户来说，由于很多云服务（包括微软HDInsight，亚马逊SageMaker，及谷歌的Cloud DataLab）中已经包含了Jupyter，安装不成问题。不知道这些包含Jupyter的服务和产品中也会包含JupyterLab吗？但愿如此，因为这样做会让这些平台上的数据工程体验更好。
基于Web浏览器的开发工具富有创新性，但也有其局限性。对于这个难题，Jupyter是一个好榜样。JupyterLab有助于超越这些局限，又不失创新性和便利性。让我们希望它在生态系统中的应用越来越火。