新一代数据科学ide平台DataSpell提前发行版体验
1 简介
PyCharm
开发公司jetbrains
专门面向数据科学的ide项目DataSpell
在前不久发布了其EAP
版本(早期预览版本),为我们带来了诸多趋于成熟的功能特性,本文就将为大家介绍其使用方式及主要的一些功能。

2 DataSpell EAP版本使用体验
你可以在官网https://www.jetbrains.com/dataspell/
下载适合你系统的安装包,然后像其他jetbrains
系列产品那样进行安装:

在安装过程中可以勾选对ipynb
文件的关联,使得我们直接双击ipynb
文件就可以自动打开到DataSpell
:

安装完成之后,打开DataSpell
,可以先进行诸如conda
环境配置等选项:


以及对一些辅助插件的安装,譬如智能代码补全插件TabNine
:

进入操作界面后,整个界面风格跟pycharm
等如出一辙,不同的是,在setting
中可以进行R
环境的配置,可见其专门面向数据科学的特点:



亦可创建诸多数据科学场景中常见格式的文件:

支持本地、远程多种方式的jupyter
服务连接:

在对jupyter notebook
的支持上做得还是比较到位,兼容了几乎所有快捷键,除了按Z
撤回单元格操作,按shift+ctrl+i
在光标处拆分单元格等部分快捷键需要手动设置:

对matplotlib
、plotly
等主流绘图库的支持也很不错:


而对于R
的支持也很不错,可以像Rstudio
那样对脚本中的代码使用ctrl+enter
进行运行和查看结果:


包括对R
包的图形界面化管理:

可以看出,DataSpell
对于通吃数据科学领域主流需求的野心还是很大的,DataSpell
面向jupyter
的诸多功能尤其是高速灵敏的代码提示让我很舒服,但对于R
的支持方面,我很难找出放弃使用Rstudio
而转向DataSpell
的理由😁,读者朋友们也可以自行下载体验,更深入的感受DataSpell
。
以上就是本文的全部内容,欢迎在评论区与我进行讨论。