1.2 Jupyter 与数据科学开发工具链
1.2 Jupyter 与数据科学开发工具链
本节摘要：Jupyter 是数据科学最常用的交互式工作台，核心是"单元格"这一模型——代码可以分格写、分格跑、边跑边看结果。本节带你上手 Jupyter Lab 的单元格操作、快捷键与 Magic 命令，并对比 Notebook、脚本与 IDE 三种工作方式的适用场景。
你能学到什么
阅读完本节，你应当能够：
- 启动 Jupyter Lab，新建并运行一个代码单元格
- 熟练使用运行、插入、上下移动单元格的快捷键
- 会用
%matplotlib inline、%timeit等常用 Magic 命令 - 说清 Notebook、脚本、IDE 三种工作方式的取舍
- 按任务类型给"代码写在哪"做出合理选择
一、问题与直觉
写数据分析代码和写网页后端是两种完全不同的节奏。后端是一次性把整个服务跑起来；数据分析是"读数据 → 看看长啥样 → 改一步 → 再看看"，每一步都要盯着中间结果。如果用传统脚本方式，每改一行都得重跑整个文件，光打印中间结果就能把人逼疯。
Jupyter 把这个问题解决了：它把代码切成一个个单元格，每个单元格可以独立运行，结果（表格、图表、文字）直接显示在代码下方。你可以先跑一步看结果，根据结果决定下一步写什么——这正是数据分析该有的节奏。
二、核心原理
2.1 单元格模型：代码与结果的流水线
一个 Notebook 文件由两类单元格组成：代码单元格（写 Python，运行后输出结果）和 Markdown 单元格（写说明文字，渲染成文档）。两者交替排列，就形成了一份"会执行的文档"——上面是思路说明，下面是代码和输出，分析过程可以被完整回溯。
2.2 内核机制：状态在单元格间延续
Notebook 背后有一个 Python 内核（kernel）在持续运行。单元格 A 里定义的变量，单元格 B 里可以直接用——这就是为什么可以先跑"加载数据"，再跑"筛选数据"而不需要重新加载。这份"会话状态"是 Notebook 高效的根本，也是踩坑的来源：如果某格报错，前面定义的变量可能已经变了，排查时建议从出错处往上一格一格回看，必要时重启内核从头跑。
2.3 两种编辑模式
Jupyter 有命令模式（按 Esc 进入，管单元格结构）和编辑模式（按 Enter 进入，管代码内容）。快捷键大多在命令模式下生效，刚上手容易按错方向。
三、工程实践要点
3.1 启动与新建
conda activate ds jupyter lab
浏览器会自动打开 Jupyter Lab 界面。左侧是文件树，右侧是工作区。点击左上角加号或右键文件夹，新建一个 Notebook，选择 Python 3 内核。
3.2 必会快捷键
| 快捷键 | 功能 | 模式 |
|---|---|---|
| Shift + Enter | 运行当前单元格并跳到下一个 | 任意 |
| Ctrl + Enter | 运行当前单元格，不跳转 | 任意 |
| Esc | 进入命令模式 | 任意 |
| Enter | 进入编辑模式 | 命令 |
| A / B | 在上方/下方插入单元格 | 命令 |
| D + D | 删除当前单元格 | 命令 |
| M | 把单元格变成 Markdown | 命令 |
| Y | 把单元格变成代码 | 命令 |
| Shift + Tab | 查看函数签名与文档 | 编辑 |
💡 关键直觉：只记三个就够开工——Shift+Enter 运行、A/B 插入、M/Y 切换单元格类型。其余遇到再查。
3.3 常用 Magic 命令
Magic 命令是 Jupyter 独有的增强语法，以百分号开头：
%matplotlib inline # 让图表直接显示在单元格下方 %timeit 函数调用 # 统计一段代码的平均运行时间 %%time # 统计整个单元格的运行时间 %load_ext 扩展名 # 加载扩展，如 %load_ext autoreload %who # 列出当前会话所有变量
⚠️ 常见坑：
%matplotlib inline只对当前 Notebook 生效，换一个 Notebook 要重新执行；它不是 Python 语法，放进 .py 脚本会报错。
3.4 Notebook 与脚本、IDE 的取舍
| 工作方式 | 优势 | 劣势 | 适合场景 |
|---|---|---|---|
| Jupyter Notebook | 交互、可视化、可回溯 | 状态隐式、难测试 | 探索分析、教学演示 |
| 纯 Python 脚本 | 确定性强、易测试 | 中间结果不可见 | 定时任务、生产代码 |
| IDE（VS Code/PyCharm） | 调试器、重构、类型提示 | 重、启动慢 | 工程化开发、团队协作 |
现实中常见组合：用 Notebook 探索和验证思路，把验证过的逻辑抽成脚本或函数，交给 IDE 做工程化打磨。数据科学项目几乎都是这条"笔记本出思路、脚本出产品"的路径。
3.5 其他值得知道的工具
VS Code 的 Jupyter 插件可以在 IDE 里直接用 Notebook，还能打断点调试；PyCharm 专业版对 Pandas 有专门的 DataFrame 查看器；Spyder 是轻量科学计算 IDE，自带变量浏览器。工具选顺手即可，不必追求全装。
3.6 Notebook 的保存与分享
Notebook 文件本身是 JSON 格式的文档，包含代码、输出与元数据。分享时有几个讲究：
- 分享前清空输出：输出里可能带大量数据或敏感信息，用"清空所有输出"再保存
- 提交到代码库：Notebook 适合放文档目录，纯脚本进 src；避免把几百 MB 输出的 Notebook 提交
- 导出报告：可以导出为 HTML 或 PDF 给别人看，不必让对方装环境
💡 关键直觉：Notebook 是"过程记录"不是"产品代码"。最终的分析结果要么固化成脚本，要么导出成报告——别让 Notebook 既当草稿纸又当交付物。
3.7 内核卡死与重启
Notebook 用久了最常见的问题是"内核忙"——某个单元格死循环或处理超大数组，长时间不返回。此时别硬等，工具栏"重启内核"能一键重置：
# 排查是否死循环：先看有没有无限循环 # while True: ... 这类代码千万别在 Notebook 里直接跑
重启内核后，所有变量清空、按顺序从头跑一遍单元格即可恢复。这也是为什么好的 Notebook 应该"从上到下能一次性跑通"——中间状态不依赖手工赋值，重跑无负担。
3.8 三种方式的实战分工
结合前面内容，给出一个真实项目的分工示例：探索期用 Notebook 快速验证清洗思路和画图样式；定型期把验证过的逻辑抽成函数放进脚本；交付期用脚本跑全量数据、出报表。这套"Notebook 出思路、脚本出产品"的分工，是数据科学团队最成熟的工作流。
核心回顾
- 要点一：Jupyter 的核心是单元格模型，代码分格跑、结果即看即得
- 要点二：单元格间共享内核状态，变量跨格可见，报错时从上往下回查
- 要点三：Shift+Enter 运行、A/B 插格、M/Y 切换类型，三个快捷键就够开工
- 要点四：Magic 命令是 Notebook 专属，
%matplotlib inline让图表内嵌显示 - 要点五：探索用 Notebook、生产用脚本、工程用 IDE，三者是协作关系不是替代关系
- 要点六：把验证过的分析逻辑从 Notebook 抽成函数，是数据科学工程化的第一步
环境和工作台都备好了，下一章我们正式进入第一个核心库——NumPy，看看数组这种数据结构为什么能让计算快出几个量级。