内容摘要：在前面讲Python的时候，我们谈到过Jupyter笔记本，为什么今天要再专门讨论一次呢？因为这个工具太重要了，除了是Python技术传播和应用的重要帮手，还可以为实现可重复科学研究提供技术保障。JupyterNB是开源阵营中的优秀代表，作为一款编辑器除了支持Python也可以支持R，现在已经成为专业工具包教学与科研中必不可少的工具。
1、Jupyter技术体系
Jupyter提供一套开源工具的生态系统来方便交互式计算和数据分析。在此分析中，让用户直接参与到计算过程（通过执行代码来理解一个问题，并迭代式地改进自己的方法）是Jupyter项目的初心。
最初的Jupyter是从IPython项目演变而来的，2001年这个作为Notebook的萌芽，期望通过交互式的Python和科学Python生态系统，让研究结果可以无障碍地被共享。对于用户可以专注于使用Python进行交互式计算来应对科学计算的需求和工作流程。
为了更好地不依赖于操作系统，不受平台限制，Jupyter NB基于Web环境构建，也就是你有浏览器就可以使用，无论本地还是远程。以Jupyter开头的工具也是越来越多（https://github.com/jupyter
），除了Jupyter Notebook，还有：
- Jupyter Lab：下一代的Notebook，提供一体化环境，有点IDE的感觉，包括：Notebook，Shell，Markdown编写等。
- Jupyter Hub：解决多用户使用和认证的问题，就是输入密码才能用。
- Jupyter Kernel Gateway：让你的nb代码秒变微服务接口的神器。
- Jupyter Enterprise Gateway ：支持分布式计算和多服务调度的私有云解决方案。
- mybinder：提供一键式部署的GitHub存储库，用来存放自己的代码、数据和notebook文件。
- Binderhub：下一代的binder，与JupyterHub相配合，提供从容器在云端部署的解决方案。
2、有代码就出结果的即时体验
Jupyter NB的定位与Spyder和PyCharm这类的IDE不同，它主要是给用户提供一个工作环境，更聚焦与解决问题。而不是开发类库，搭建架构。如果你是一个用户，而不是开发者，哪直接选择nb吧！NB犹如一个word文档，在里面你只要输入计算公式，马上就可以给出显示结果。同时，你还可以在上面加入任何标注和解释。
其特有的ipynb文件，可以保存成pdf，html甚至还原为py代码。下图是我的一个笔记本打开效果（图1）。你之前运行得到的结果都在上面，这对于科学研究用户非常重要，因为直接读论文，无法知道每一步细节，但是看NB就能看到每一个参数是怎么设置的，这对于可重复的科学研究至关重要！
可能有些小盆友注意到，我的界面不太一样，左上角工具栏的图标怎么没见过（这是一个叫Zenmode的沉浸式编程模式）？感兴趣的往下看...
3、必会的NB应用技巧
Jupyter NB功能虽好，但是比如内存变量查看，代码格式化等还是与在IDE中的体验差了点。这时候你要知道NB的扩展功能，即nbextension。首先我们看怎么安装，同样打开一个python的虚拟环境，命令行模式下。
安装命令
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
#启用 nbextensions
jupyter nbextension enable codefolding/main
安装后，应该看到如下图2所示的效果，里面提供了上百种小扩展。根据你的需要安装扩展（因为Jupyter是基于web的，所以很多Javascript的技术都能应用，可扩展的空间非常大）。
安装完插件后，再打开一个ipynb文件后，你会发现编辑器不一样啦，比如我日常用的记事本效果是这样地（图3）。变量编辑（1），代码长短位置提示（2)、大纲视图（3）都有。
一句话总结：Jupyter notebook和Lab都是非常活跃的开源项目，集中了很多先进的web技术，比如ArcGIS这类的平台都推出了基于它的NB套件。如果你还不会，我想Jupyter值得你花一些时间去学习！
