为什么Jupyter是数据科学家们实战工具的首选？

Jupyter 是一款免费、开源的交互式 web 工具。研究人员可以利用该工具将软件代码、计算输出、解释文本和多媒体资源组合在一个文档中。计算笔记本已经发展了几十年，但是过去几年里，Jupyter 特别受欢迎，更是成为数据科学家们实战工具的首选。个中原因如何?本文带你一探究竟。

数据科学

大型综合巡天望远镜(Large Synoptic Survey Telescope，LSST)坐落在智利安第斯山脉帕穹山脊，计划 2022 年启用。它将自动探测南方的天空，每晚产生数兆字节的数据。为了处理这些数据，天文学家将要用到一个熟悉且日益流行的工具——Jupyter notebook。

Jupyter 是一款免费、开源的交互式 web 工具，是一种计算笔记本(computational notebook)。研究人员可以利用它将软件代码、计算输出、解释文本和多媒体资源组合在一个文档中。计算笔记本已经发展了几十年，但是过去几年里 Jupyter 特别受欢迎。因为它的架构经过重新设计，允许 notebook「说」几十种编程语言，所以深受开发人员的喜爱。而根据其共同创始人 Fernando Pérez 的说法，这一点更体现在它的名字中：Jupyter——Julia ( Ju )、Python ( Py )、R。

对代码共享网站 GitHub 的一项分析显示，截至 2018 年 9 月，Jupyter 上公开的 notebook 超过了 250 万份，而 2015 年这一数字仅为 20 万左右。Pérez 表示，Gmail 和 Google Docs 等 web 软件的改进是驱动其使用量增长的一个原因;Python 和数据科学的成熟也是其中一个原因，尤其是 notebook 可以轻松地访问远程数据，因为有些数据可能无法下载(比如 LSST 的数据)。针对 Jupyter 基于云的能力，Pérez 表示，很多情况下，把计算机移动到数据比将数据移到计算机内要容易得多。因为这种架构相当于告诉读者数据在哪里，而且还提供了一台电脑。

华盛顿特区乔治·华盛顿大学的机械和航空工程师 Lorena Barba 说，对于数据科学家来说，Jupyter 已经成为事实上的标准。而负责协调 LSST 数据管理团队的西雅图华盛顿大学天文学家 Mario Jurić则表示，「我从未见过这么快的迁移，真是太好用了!」

数据勘探

可计算的 notebook 本质上是用于科学计算的实验室 notebook。比如说，研究人员没有将 DNA 凝胶黏贴在实验室协议旁边，而是嵌入代码、数据和文本来记录他们的计算方法。圣路易斯·奥比斯波加州理工州立大学的 Jupyter 联合创始人 Brian Granger 说，这种做法的结果是产生了「计算叙事」——一种允许研究人员用分析、假设和推测补充其代码和数据的文件。

对于数据科学家而言，这种格式可以推动探索。Barba 表示，notebook 是一种交互式计算方式，在这种环境中，用户可以执行代码，观察结果，修改并重复研究人员与数据之间的一种迭代对话。它并不是这种对话的唯一载体，交互式 Python 解释器 IPython(Jupyter 前身 IPython Notebook 的创建基础)也是一种载体。但 notebook 允许用户记录这些对话，并在「主题、理论、数据和结果之间建立更强大的联系」。

研究人员还可以用 notebook 为其软件创建教程或交互式手册。哈佛大学的系统神经科学家 Mackenzie Mathis 对 DeepLabCut 就是这么做的。DeepLabCut 是其团队为行为神经科学研究开发的一个编程库。他们可以用 notebook 来准备手稿，或者作为教具。自 2013 年开始，Barba 就在她所教的每门课程中实施了 notebook。在 2014 年的一次主题演讲中，她还讲述了 notebook 让学生以课堂无法比拟的方式互动地参与课程并从中受益的经验。她说，「IPython notebook 确实是科学和工程教学计算的一个杀手级应用程序。」

说我的语言

Jupyter notebook 有两个组件。在前后端网页中，用户在矩形输入框中输入编程代码或者文本。然后浏览器把代码输送到后端内核，后端内核运行该代码并把结果反馈回来。据 Pérez 统计，已经有超过 100 个 Jupyter 内核被创建，支持数十种编程语言。正常来说，每个 notebook 只能够运行一个内核和一种语言，但存在工作区。例如，一个 Demo notebook，支持 Python、Julia、R 和 Fortran。

重要的是，内核不需要驻留于用户的计算机。当 LSST 的未来用户使用 Jupyter notebook 来分析数据时，代码会在位于伊利诺斯州的超级计算机上运行，提供台式机、笔记本无法比拟的算力。Notebook 也可以在云上运行。例如谷歌的 Colaboratory 项目，为 Jupyter notebook 提供了以谷歌为主题的前后端。它使得用户能够协作、运行利用谷歌云资源的代码，例如图处理单元，可以把文档保存在谷歌 Drive 上。

Jupyter 的最新版本是 JupyterLab，于 2018 年 1 月作为测试版发布，它既能作为独立的安装包使用，又能作为免费 Anaconda 科学计算环境的一部分使用。