Datalore

我们的2022 开发者生态系统调查的原始数据包含来自 29,269 名开发者的回答，现在可供公众访问！ 我们希望它有用，并支持开发社区的进一步研究和调查。  原始数据以两种格式提供：csv 格式的原始数据和带有分析示例的 Jupyter Notebook。  Notebook 展示了调查的基本分析。 它显示了数据的结构，给出了一些分析示例，并提供了自行执行分析的主要功能。 在 Datalore 中打开分析示例 带有原始数据的目录包含宽格式和窄格式的数据、调查问题、调查逻辑、许可，以及一个带有姓名简录的表。 报告和数据集是公开的，在许可下共享。 只要注明数据来源即可使用其内容。 我们已经采取了…

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…

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…

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 …

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…

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…