自 2023 年 1 月起，我们为 Community 和 Professional 用户推出了许多新功能。 其中包括期待已久的 Datalore Run API、更强大的反应式内核、一系列强大的 CPU 与 GPU、面向 Professional 用户的 Datalore 点数，以及一些性能改进。 Datalore Run API 全新的 Datalore Run API 让您可以通过 API 调用运行 Datalore Notebook 或重新发布报告。 此功能可以补充定时运行，允许您从外部应用和内部 Datalore Notebook 按需触发重新运行 Notebook。 在此处详细了解如何使用 API 。 质量和性能改进 报告生成器和反应式模式以及定时运行和数据连接都得到了改进。 云存储桶连接现在可以在工作区层面上使用，类似于数据库连接。 了解详情。 现在，对于包含 100 多个具有复杂输出的单元格的 Notebook，报告生成器的运行更平稳。 报告生成器中的单元格现在按照与相应 Notebook 中相同的顺序显示。 Notebook 查看器现在可以让您更全面地了解附加的数据库和云存储空间的内容。 如果您撤销公开访问链接，协作者将失去对 Notebook 的访问权限。 现在，可以使用选项在 User | Running machines（用户 | 正在运行的机器）对话框

Git 是数据科学团队常用的工具。 在本教程中，我们将介绍在我们的协作数据科学平台 Datalore 中使用 Git 的方式。 继续阅读，了解如何安装 Git 仓库、编辑这些仓库的内容以及使用 Datalore 进行版本控制。 如何在 Datalore Notebook 环境中安装 Git 仓库 如果您或您的团队开发了一组 Python 脚本或存储在 Git 中的 pip 兼容软件包，您可以从 Datalore 中的 Jupyter Notebook 方便地访问此仓库。 这里有 3 种方式。 我们建议选择最适合您的仓库访问级别和类型的方式。 (more…)

大家好！ Datalore 在 2022.3 版本中面临的挑战之一是消除在公司范围内理解和共享数据科学成果的障碍。 我们很高兴地在报告工作流中引入了重大更新，并使小型团队能够以更低的成本使用 Datalore。 继续阅读以了解 2022.3 版本中的最新变化或观看下方视频概览！ Datalore Enterprise 现在对小型团队免费！ 对于需要将数据保存在私有云或本地部署的小型团队，我们有令人振奋的消息。 Datalore Enterprise 现在可供多达 4 人的团队免费使用！  此外，由于前 4 名用户可以免费使用，面向大型团队的价格同样有所降低。 例如，如果您有一支 10 人的团队，则每位用户的费用将为 75 美元/月，而非 125 美元/月。 这是一个巨大的区别！ (more…)

在没有任何编码辅助的“纯文本”风格 Jupyter Notebook 中编写代码可能会让人感到不知所措，势必会影响数据科学家的工作效率。在这篇博文中，我们将介绍 2 种方式来弥补这种不足，并在您的 Jupyter Notebook 中访问自动补全和其他编码辅助功能。 启用自动补全功能 要在 Jupyter Notebook 或 JupyterLab 中启用代码自动补全功能，只需在编写代码时按 Tab 键即可。Jupyter 将提供一些补全选项建议。使用方向键导航到所需选项，然后按 Enter 键选择该建议。 在 Jupyter Notebook 中按 Tab 键可以启用代码自动补全 很遗憾，Jupyter 不支持自动调用代码补全选项，这意味着您始终需要按 Tab 键。 为避免这种情况，您可以考虑尝试 Datalore – 一款可以在线免费使用的协作式数据科学平台。 Datalore 中的代码补全 Datalore 将自动调用代码补全选项，并在指定方法形参时为您提供上下文帮助。它还包含一些微小却重要的功能，例如将文本光标置于圆括号内，使您的代码不易出错。 Notebook 环境已经为您预装了热门数据科学软件包，因此您可以立即开始在 Datalore 中编写代码

数据科学项目可能非常复杂，由许多部分组成，例如 Notebook、数据、环境和脚本等。对于数据科学团队来说，有效地一起工作可能是一项很大的挑战。 在这篇文章中，您将学习 5 种适用于数据驱动型团队的协作技术，从而提高工作效率并减轻压力。 轻松共享代码和关键工件 在数据科学项目上协作很容易一开始就失败，因为与其他团队成员共享资料非常麻烦。 共享 Jupyter Notebook 也需要您分享大量上下文：具体的环境、数据和数据连接。 如果您需要的只是数据转换方面的帮助，这似乎是多余的。 如果共享 Jupyter Notebook 能像共享 Google 文档一样简单，岂不是很好？ 借助 Datalore，您可以通过链接或电子邮件邀请共享具有查看或编辑权限的 Notebook，所有附加的数据和数据集成、环境和计算状态将被自动共享。 当您已经训练机器学习或深度学习模型很长时间，想实时分享您的进展时，这可能特别方便。 与团队成员一起实时编写代码 Datalore 是一个适用于团队的协作式数据科学和商业智能平台。 您可以在线尝试由 JetBrains 托管的 Datalore Community 和 Datalore Professional，也可以在您的私有云或

为什么需要在 Jupyter Notebook 内组合 SQL 和 Python SQL 非常适用于检索数据和计算基本统计数据，而 Python 在您需要深入、灵活的探索性数据分析或数据科学时大有用武之地。 如果您在一个工具中可同时使用两种编程语言，会怎样？ 在本文中，您将了解通过 Jupyter Notebook 接口使用 Python 和 SQL 的两种简单方式，并使用几行代码创建 SQL 查询。 这两种方式几乎不受数据库限制，因此您可以将它们用于所需的任何 SQL 数据库：MySQL、Postgres、Snowflake、MariaDB、Azure 等。 方式 1：使用 Pandas 读取 SQL 查询 第 1 步：安装 Python 软件包以连接到您的数据库 我们建议安装以下软件包： PostgreSQL 数据库: ! pip install psycopg2-binary. 请确保安装 psycopg2-binary, 因为它还会处理所需依赖项。 Snowflake 数据库: ! pip install snowflake-connector-python.MySQL 数据库: ! pip install mysql-connector-python. 要在 Datalore 中安装软件包，您还可以使用环境管理器，它

Datalore 团队向您问好！ 从 Python Notebook 查询 SQL 数据库的最常见方式是什么？ 其中可能包括使用 PySQL 或 SQLAlchemy 等 Python SQL 库，或者在单独的 SQL IDE 中创建脚本并将结果作为 CSV 导入到 Notebook 中。 我们现在可以推荐一种更有效的方式：在 Datalore Notebook 中组合原生 SQL 单元和 Python 代码。 Datalore Professional 和 Enterprise 用户可以无限制地使用此功能。 Community 方案用户可以免费试用 30 天！ 请阅读此博文，了解如何从 Datalore 的编辑器 UI 查询您的 SQL 数据库。 第 1 步：连接到 SQL 数据库 现在，您不需要编写样板 Python 代码来连接到数据库，而是可以创建一个连接，然后只需点击一下即可在多个 Notebook 中重用该连接。 要连接数据库，请按照此 GIF 中的步骤操作： Datalore 对几乎所有可能的数据库都支持用户和密码身份验证，包括 PostgreSQL、Snowflake、MySQL、MariaDB、Amazon Redshift、Oracle、Azure SQL Database 等。 连接到数据库之后