不吹不黑，jupyter lab 3.0客观使用体验
添加微信号"CNFeffery"加入技术交流群
1 简介
jupyter lab于近期发布了其具有里程碑意义的3.0版本，随之带来的一些重要新特性，想必广大读者朋友已在各大公众号所翻译转载的jupyter lab团队官方介绍文章中知晓了很多。
那么目前的jupyter lab好用吗？是否还存在bug？适合直接升级使用吗？今天的文章就将通过我的真实使用体验，来认识jupyter lab 3.0。
2 jupyter lab 3.0使用体验
为了不干扰现有的环境，我们通过以下代码创建新的环境，并安装最新稳定版本的jupyter lab：
conda create -n temp python=3.7 -y
conda activate temp
pip install jupyterlab -U
这样我们的jupyter lab就安装好了，版本为3.0.3：
接下来我们就逐一体验官方所述的新版本特性，看看是否好用，是否还存在问题。
2.1 “无需nodejs即可安装插件”
作为官方宣传的jupyter lab3.0版本后最大的改变，似乎我们可以不需要nodejs，不通过jupyter labextension install语句，仅仅依靠pip/conda/mamba就可以安装拓展，那么目前为止，常见常用的那些jupyter lab拓展都可以这样安装吗？
我测试了一下，目前确实已经有一些主流的，官方或非官方出品的拓展已经可以这样安装了，譬如：
「jupyter-kite」
作为jupyter lab平台上非常实用的代码智能补全插件，按照官方Github仓库的说明，通过下面语句，即可成功安装😉：
pip install "jupyterlab-kite>=2.0.2"
使用起来也是非常稳定：
「jupyter-matplotlib」
作为jupyter lab上开启交互式matplotlib绘图所需的拓展，我们现在可以通过下面的语句直接进行安装，这样的好处显而易见——我们无需再build了！
pip install ipympl
并且jupyter-matplotlib安装过程顺道把@jupyter-widgets/jupyterlab-manager拓展安装上了，这意味着它也不需要nodejs依赖了~欢呼🥳~
但jupyter lab插件茫茫多，上面举的例子只是其中过渡动作比较快的，仍然有大量的好用的jupyter lab插件还未兼容jupyter lab 3.0，譬如我们过往文章介绍过的非常实用的，用于记录每个cell执行耗时等信息的jupyterlab-execute-time：
以及keplergl-jupyter：
因此如果你有很多心爱的常用的插件仍未做好新版本兼容的工作，那么继续使用2.X版本观望，才是现阶段更好的选择。
2.2 “官方汉化”
作为官方宣传的一个重要特性之一，jupyter lab 3.0中号称支持了多语种界面切换，那么我们按照官方的说话，通过pip install jupyterlab-language-pack-zh-CN来下载中文汉化包来试试：
咦，居然找不到这个库，原来官方至今（2020-01-09）还未在pypi发布所谓的中文翻译包，但这不代表我们无法使用它，通过在官方Github仓库下经过一番交流，我找到了一个可以进行本地安装的whl文件，你可以在 https://jfds-1252952517.cos.ap-chengdu.myqcloud.com/jupyterhub/jupyterlab_language_pack_zh_CN-0.0.1.dev0-py2.py3-none-any.whl 进行下载，感谢akshare作者的资源分享。
通过pip install jupyterlab_language_pack_zh_CN-0.0.1.dev0-py2.py3-none-any.whl在本地成功安装之后，回到jupyter lab刷新一下界面，会看到可用的语言设置选项：
点击切换之后，哇哦，真的可以使用官方中文了耶！
相信之后可在线安装的官方正式版本会很快发布，如果心急的朋友想要尝鲜，也可以像我这样进行配置。
2.3 其他新特性
而至于其他新特性，譬如自带的交互gui式的debugger：
conda install xeus-python=0.8.6 -c conda-forge -y
或是自带的目录功能，其实都不是新东西，只不过现在你无须安装就可以使用，而新增加的simple模式等特性，吸引力都不是特别大：
作为一次大的升级，我们在新版jupyter lab身上看到了其深挖用户需求，做出重大升级的努力，也初步带来了很好的效果，随着开发过程的进行，未来的jupyter lab相信会更好用，而至于目前是否值得升级，相信阅读到此的你，心中已经有了答案。
以上就是本文的全部内容，欢迎在评论区与我进行讨论~
加入我们的知识星球【我们谈论数据科学】
爱上数据分析！
· 推荐阅读 ·