JupyterLab 3.0，极其强大的下一代notebook！

点击上方 "Python人工智能技术" 关注，星标或者置顶

22点24分准时推送，第一时间送达

后台回复“大礼包”，送你特别福利

编辑：乐乐 | 来自：机器之心

上一篇：如何搭建一台永久运行的个人服务器？

正文

超强下一代 Jupyter Notebook ：JupyterLab 3.0 已经发布了，新版本为用户带来了许多新特性，并对扩展系统进行了实质性的改进。

JupyterLab 是广受欢迎的 Jupyter Notebook「新」界面。它是一个交互式的开发环境，可用于 notebook、代码或数据，因此它的扩展性非常强。用户可以使用它编写 notebook、操作终端、编辑 markdown 文本、打开交互模式、查看 csv 文件及图片等。除此以外，JupyterLab 还具有灵活而强大的用户界面。就在近日，这款好用的工具发布了新版本 JupyterLab 3.0。

JupyterLab 3.0 在以下几个方面进行了改进：

• 可视化调试器；

• 支持多种显示语言；

• notebook 目录；

• 扩展系统。

3 种安装方式
JupyterLab 3.0 的安装方式有 3 种，第一种采用 pip 方式进行安装，代码如下：

pip install jupyterlab==3

第 2 种采用 mamba（快速跨平台软件包管理器）方式进行安装，代码如下：
mamba install -c conda-forge jupyterlab=3

第 3 种采用 conda 方式进行安装，代码如下：
conda install -c conda-forge jupyterlab=3
需要注意，为了兼容 JupyterLab 3.0，许多第三方扩展仍在更新中，所以用户需要检查自己使用的扩展，必要时也可以更新这些扩展。接下来详细介绍 JupyterLab 3.0 在面向用户使用方面的一些主要改进。

JupyterLab 3.0 新特性
可视化调试器
JupyterLab 3.0 现在具备可视化调试器功能了。为了使用可视化调试器，用户首先需要一个支持调试器的内核。Xeus-Python 内核是第一个支持 Python 代码调试的 Jupyter 内核。展示如下：
在 JupyterLab 3.0 中使用可视化调试器进入 Python 程序。
更多详细文档请参阅：https://jupyterlab.readthedocs.io/en/stable/user/debugger.html

目录扩展
现在 JupyterLab 3.0 提供了目录扩展，使得用户更方便地查看和浏览文档结构。展示如下：在 JupyterLab 3.0 使用目录功能。
支持多种语言显示
JupyterLab 3.0 提供了设置用户界面显示语言的功能。若要使用这种功能，用户需要将语言包作为单独的 Python 包安装。语言包在 GitHub 项目中已经分组，采用 pip 的方式就可以安装。例如，使用以下代码可以安装简体中文语言包：

pip install jupyterlab-language-pack-zh-CN

以简体中文显示的 JupyterLab 3.0 界面。

关于添加新语言包请参考：https://jupyterlab.readthedocs.io/en/stable/user/language.html
简单交互界面模式的改进
JupyterLab 3.0 对简单交互界面模式（即以往的单文档显示模式）进行了更新，使交互界面模式更流畅、更能面向文档。用户可以使用状态栏中的开关切换简单交互界面模式，也可以从视图菜单或命令面板中切换或者使用默认快捷键「Ctrl/Cmd+Shift+D」。
搜索公众号GitHub猿后台回复“监控”，获取一份惊喜礼包。启用和禁用简单交互界面模式。
JupyterLab 3.0 对移动设备的支持也得到了很大的改进。用户可以对窗口进行缩展，使布局更加紧凑。当窗口缩小时，JupyterLab 自动切换到简单交互界面模式。

JupyterLab 在屏幕缩小时自动切换到简单交互界面模式。
目前这项功能正在不断的迭代更新，使得这个交互界面在移动设备上更容易访问。

使用 pip 和 conda/mamba 方式安装新的扩展
JupyterLab 扩展现在可以作为预构建的扩展进行分发，而不需要用户重新构建 JupyterLab 或安装 Node.js。用户可以使用熟悉的包管理器（如 pip、conda 和 mamba）将预构建的扩展作为 Python 包分发，从而使得安装和使用扩展更快更方便。采用 pip 方式安装新的扩展。

预构建的扩展可以作为单独的包发布到 PyPI 和 conda-forge 中，或者捆绑到带有 Jupyter 服务器扩展和 Classic Notebook 扩展的包中。这些有助于整个系统的一致性。
例如：使用 pip 或 conda 方式安装新的 ipywidgets 7.6.0，以在典型的 Jupyter Notebook 和 JupyterLab3.0 中自动启用 ipywidgets—无需额外的步骤或者重建 JupyterLab。
在 JupyterLab 3.0 中自动安装 ipywidgets。

改进 Extension Author 的工作流程
新的预构建扩展对于 Extension Author 来说开发起来非常方便。TypeScript 扩展 cookiecutter 已经更新为默认情况下开发预构建的扩展，并提供了所有必要的工具来快速从头开始创建新的扩展。
关于扩展的更多信息，请参考：

• https://jupyterlab.readthedocs.io/en/stable/extension/extension_dev.html

• https://jupyterlab.readthedocs.io/en/latest/extension/extension_migration.html

如果你正在寻找示例来学习如何制作自己的扩展，请查看 GitHub 上的扩展示例库。这些示例已经更新兼容 JupyterLab 3.0，并提供了开发扩展的手动方法。
扩展示例库地址：https://github.com/jupyterlab/extension-examples

变更日志
上述内容仅仅概述了 JupyterLab 3.0 的新功能。如果你想要浏览更完整的变更列表，包括错误修复等，请查看详细变更日志。

• 详细变更日志地址：https://jupyterlab.readthedocs.io/en/stable/getting_started/changelog.html#v3-0

• JupyterLab 3.0 测试地址：https://mybinder.org/v2/gh/jupyterlab/jupyterlab-demo/3818244?urlpath=lab

原文链接：https://blog.jupyter.org/jupyterlab-3-0-is-out-4f58385e25bb
你还有什么想要补充的吗？

免责声明：本文内容来源于网络，文章版权归原作者所有，意在传播相关技术知识&行业趋势，供大家学习交流，若涉及作品版权问题，请联系删除或授权事宜。

技术君个人微信

添加技术君个人微信即送一份惊喜大礼包

→ 技术资料共享

→ 技术交流社群

--END--

往日热文：

Python程序员深度学习的“四大名著”：

这四本书着实很不错！我们都知道现在机器学习、深度学习的资料太多了，面对海量资源，往往陷入到“无从下手”的困惑出境。而且并非所有的书籍都是优质资源，浪费大量的时间是得不偿失的。给大家推荐这几本好书并做简单介绍。

获得方式：

1.扫码关注本公众号

2.后台回复关键词：名著

▲长按扫描关注，回复名著即可获取