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本地部署环境中作为自托管解决方案安装 Datalo

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