独家 | Deepnote测评：数据科学家的新IDE

在利用Deepnote开发了一个Python课程后，我决定采用Deepnote。

免责声明：我不隶属于Deepnote或它的任何成员。

Deepnote是一个免费的在线数据科学集成开发环境（onlinedata science notebook），主要关注多人协作（实时的、像谷歌文档一样的协作类型）以及工作中所有概念的抽象——环境和基础配置。

这家初创公司最近宣布，在IndexVentures的牵头下，它筹集了380万美元的种子轮融资，其中包括Greg Brockman和Naval Ravikant等天使投资人。

看完TC的公告后，我跃跃欲试，于是报名参加了β测试，耐心地等了五天之后，收到了测试邀请函。

登录之后，在平台上浏览了大约一个小时，尝试了一些示例项目，如下图所示。

Deepnote的示例项目

几个月后，我的一位在金融领域工作的好朋友罗德里戈·塔德瓦尔德(Rodrigo Tadewald)邀请我共同创建一个Python的在线课程，我主要负责环境设置/编程/性能等主题课程。

由于对金融话题很感兴趣，而且是头一回制作在线课程，我欣然接受了邀请。于是，我有了尝试Deepnote的想法，并开始利用它来开发所有的Python课程。

免责声明：我主要使用了Brave浏览器（Bravebrowser），只有当Brave浏览器异常时，才使用其他浏览器来验证 (Brave浏览器运行在Chromium引擎上)。在项目开发过程中，还交替使用了OSX、Ubuntu和Windows。

经验

为了启动这个项目，我上传了一些以前在本地课程中用过的旧代码，并用它来创建这个项目。Deepnote提供了从GitHub和GitLab导入存储库的选项，设置起来也不难。

随着对平台越来越熟悉，CTRL/⌘ P也成为了我完成工作的主要方式。

命令面板

虽然它可以很好地执行屏幕截图中的命令，但是它的查询功能并不能让我100%满意。我在文件夹中查找文件时遇到一些问题，这令我颇为痛苦，因为这个项目主要是由文件夹和子文件夹组织的。

在“项目”选项卡中，可以看到项目文件、添加新文件、添加数据连接和访问终端(Terminal)。

Deepnote的侧导航为标签和变量查看器（以及葡萄牙语课程的相关文件迷你剧透）

Notebook自身很有趣，有一些很酷的功能。令我高兴的是：很容易便可访问到Markdown小抄（cheat sheet）。

IDE可以自动检测模块，可以轻松地在线安装pip包。如果使用pip命令，Deepnote会将其保存在隐藏文件中，并在每次启动环境时进行安装；还可以选择创建一个requirements.txt文件，并通过终端（Terminal）与之交互。

还有一个很好的特性是变量查看器，它集成到Notebook之中，确实是一个不错的功能。

变量查看器中的PandasDataFrame

“代码智能”功能，如自动补全和定义定位功能，在当前的β版本中还不能正常使用。

改进：我在项目开发过程中注意到的一件重要的事情是：文件资源管理器的性能有了大幅度提高。由于我上传了很多文件，我需要将它们组织在文件夹中，几周前，将文件移动到文件夹和子文件夹中是一种非常延迟滞后/棘手的经历。自课程开发开始以来，大约在2020年4月左右，这种情况有了很大的改善。真的不错！

在一些课程模块上，我需要处理数据。数据集并非海量，但也不小，如果不得不重新上传到平台中，工作量也不小。Deepnote有一些集成数据集，如Landsat8和Goodreads书籍，对于我的项目而言，需要使用先前准备好的自定义数据集。

此外，除了从本地上传文件外，还可以与AWS S3、Mongo DB和Postgres集成(至少在我的β测试帐户上)。有很多“灰色”选项，但没看到与Azure存储和GoogleDrive的集成。如果Google Colab用户想随意尝试一下Deepnote，那么有Google Drive集成肯定会少很多麻烦。

用IDE创建新连接

在建立了数据连接之后，我对终端做了一些改动，于是有了机器的完全root访问权限，但这个项目中似乎不需要它。我认为我唯一一次运行到终端是：当Deepnote内核进入一个重新启动循环时，我试图通过使用一些bash命令来修复它。

可以利用“环境”选项卡选择机器配置，重新启动它，查看CPU和RAM的使用情况，并检查项目所依赖的包。

免费提供的机器配置如下：

·  基础版-英特尔哈斯韦尔1V CPU~1.5GB RAM无 GPU；

·  专业版-英特尔哈斯韦尔2v CPU~5GB RAM无 GPU；

还有一个性能配置，可根据请求提供：

·  性能版-英特尔哈斯韦尔4v CPU~12GB RAM T4 GPU。

最后，还有评论选项卡。Deepnote上的交流功能非常先进，虽然这门课程主要是一个单人的项目，但有时我会请一个朋友审查它的一些notebook，这一功能没有令我失望。

可以实现代码审查的实时会话，并用评论功能来异步交互。这给了数据科学家以异步或同步方式进行远程协作的巨大优势。远远优于我在其他notebook平台的协作经验。

结论

Deepnote是数据科学团队首选IDE（集成开发环境），可以与其它一些非常好的、已经建立的替代方案相媲美。

其核心优势是以协作为中心的方法，它脱颖而出，为数据科学家提供了真正意义上的谷歌文档式的体验。

我相信：目前团队正在修复一些“看起来很有趣”的功能，诸如版本控制、团队、仪表板和notebook的API共享等其它功能的实现，也在进展之中。

如果对这个平台感兴趣，我建议从尝试一个基于协作的项目开始，可以与朋友或同事互相协作，这样便可以感受到该平台提供的真正价值。

如果你是Python或Notebook环境的初学者，Deepnote是一个简单易行的起点。

对于数据科学团队来说，我鼓励他们在新建项目中使用它，并与Deepnote人员保持密切联系。可以使用集成聊天与团队交谈，这将对于你很有帮助(由于它还在β测试中，所以它具有β功能：)

我将定期更新这篇文章，对新的功能做出点评，所以本文写的很多东西将来都可能更新。

希望你喜欢这篇文章，谢谢你拨冗阅读。

加油干，继续编码！

原文标题：

Reviewing Deepnote — The New IDE for Data Scientists

原文链接：

https://towardsdatascience.com/reviewing-deepnote-the-new-ide-for-data-scientists-90c3464ebc5e