挑战Jupyter Notebook：云协作、云硬件，上云的Notebook编程环境

Deepnote 官方网站：https://www.deepnote.com/

如果你是像我一样的数据科学家，你可能会在工程项目而不是真正的研究上花很多时间。安装库、管理数据库、追踪实验、调试代码、耗尽内存……对此，你一定深有感触。

Jupyter Notebook 非常适合数据科学的原型设计。在这个单一的环境中，你可以进行无缝探索性分析、数据可视化以及构建 ML 模型的原型。因此，Jupyter Notebook 在数据科学领域大受欢迎。

但它也有一些缺陷。 作为一种新工具，DeepNote 能够以更好、更快的方式弥补这些缺陷，所以比现有 工具 都更适合使 用。

下面我们来说一下 DeepNote 中令人兴奋的改进。

实时协作

谷歌的在线协作工具套件（Docs、Sheets 和 Slides 等）在没加任何功能的情况下，抢走了微软 Office 大量的市场份额。他们是如何做到的？答案是：实时协作。

在谷歌的套件中和同事合作，不再需要同步进行，也无需为合并而烦心。此外，你还能知道同事们的当前进展，更加便于分工。

DeepNote 可以立即进行实时协作——它支持在共享计算环境中无缝合作。这虽然带来了改变命名空间的问题，但我觉得，这总比共享Jupyternotebook 强——它需要重新运行才能获得给定状态。

DeepNote 的实时协作。

此外，DeepNote 还提供了不同的权限等级：查看、执行、编辑、管理以及所有者。这样就可以大批量控制操作这些笔记本了。

首先，以教学场景为例。在线课程的教师可以浏览虚拟教室中所有共享笔记本。教师拥有管理或所有者权限，而教室中的其他人只有查看权限。

再以要审查整个团队成员工作的场景为例。团队成员有所有者权限，这样就可以全面控制整个笔记本。审查人员拥有编辑权限，可以提供在线反馈，但无法执行任何单元。只有团队成员持有执行权限，这样审查人员就无法改（wu）变（ran）团队成员的命名空间。

变量浏览器

Spyder IDE 中有一个Jupyter没有且重要的功能——易于访问的命名空间浏览器。当然，Jupyter 笔记本中有 who/whos 的命令。但无法与 Spyder 相提并论。

而 DeepNote 再次填补了这一空白！

DeepNote 为变量提供了精致的总结。

除了可靠的变量浏览器外，如果无法漂亮地显示 pandas 的 DataFrame，那任何笔记本环境都是不完美的。

没错，DeepNote 笔记本还能很好地展示 pandas 的 DataFrame

连接云硬盘

你肯定听说过一条经验法则（其实更像是抱怨）：数据科学中有 80% 无关数学和统计学。在云计算设置中，这个比例更接近 90%，还有 10% 的时间损失在为笔记本配置正确的算力上。

轻松查看并选择笔记本在何种硬件上运行（https://docs.deepnote.com/）。

DeepNote 理解你的痛苦，可以让你无缝访问基于云的硬件。「无缝」的意思是你可以在笔记本界面上进行所有设置。顺便说一句，除非你的核处于空闲状态，否则它是不会主动关闭的。

Python 包的管理

Python 有出色的包管理系统。DeepNote 意识到了这一点，并在工作路径中附有 requirements.txt 文件。即使这样，也很容易忘记安装一些依赖包。除非导入包时触发错误，否则无法意识到这方面有所疏漏。

为此，DeepNote 笔记本会主动监控包的导入，并根据你声明的需求，提醒你遗漏的依赖。还有，如果需要的文件不存在，它会猜测该文件是什么。剧透预警：它的猜测一般都是正确的。

DeepNote 包管理器建议安装缺少的依赖包。

大量集成

创建新项目的示例。

最后，DeepNote 几乎提供了你想要的所有集成。为了使笔记本井井有条，你可以从不同连接中选择源码控制库。这可以在创建笔记本和写后台更新时用到。

除了源码控制，DeepNote 笔记本还可以连接云计算数据存储，比如 S3、GCS 以及常用的数据库引擎。

正式连接到不同的云基础架构。

尽管 DeepNote 还没能完全取代Jupyter，但已隐隐表现出这样的趋势。我期待看到 DeepNote 未来将如何继续！但不需要一味相信我，可以像我一样注册他们的抢先访问计划。他们在一周内就给出了回应，从那以后我们就一直在讨论可以改进之处。不要只抱怨现状，要改变它。

原文链接：https://towardsdatascience.com/deepnote-sets-course-to-become-the-jupyter-killer-d0cb6e3ca011