DataSpell 2023.1 带来了提高 Jupyter Notebook 和 pandas DataFrames 生产力的功能，以及一批用户体验改进。 许多 DataSpell 用户要求能够像其他 JetBrains IDE 一样将他们的工作组织成多个独立的项目，而在这个版本中我们已经实现了这一点！ 通过自动在 Jupyter Notebook 与 Python 脚本之间进行转换、拖放 CSV 文件以创建 pandas DataFrame、查看单元执行的开始时间和持续时间等功能来加快繁琐任务的处理。 通过 Jupyter Notebook 调试器中的交互式调试控制台和功能齐全的 Python Packages（Python 软件包）工具窗口，调试和软件包管理变得更加容易了。 从我们的网站下载新版本，直接从 IDE 或通过免费的Toolbox App更新，或使用 snap (Ubuntu) 进行更新。 下载 DataGrip 2023.1 使用多个项目或独立工作区 DataSpell 2022.3 有一个单个工作区，您可以将 Notebook 和其他文件、目录和项目附加到其中。 现有项目被附加到工作区作为目录。 默认情况下，工作区中的所有目录和项目都共享其环境或 Python 解释器。 在 2022.3 版本中，DataSpell 工作区

对于使用 Windows 的数据科学家或机器学习工程师来说，Windows Subsystem for Linux 2 (WSL 2) 的功能一定不算陌生。 WSL 2 允许使用 Hyper-V 虚拟化在 Windows 10 或 11 上完全安装 Linux 发行版。 涉及数据科学或机器学习任务时，这提供了来自两个方面的优势：在 Windows 上访问所有应用程序或文件，以及使用 Linux 运行 Python 代码。 这完美契合使用 Linux 专属软件包的分析或模型，无需手动编译。 WSL 2 比传统虚拟机更轻量，仅提供命令行功能，一直将 Python 中的开发环境选项限制为 Jupyter Notebook。 好在 DataSpell 2022.2 具有通过 WSL 2 配置 Python 解释器的功能，您可以在 Windows 上通过 DataSpell 轻松运行所有想要使用的 Linux 兼容软件包。 我们来看看它是如何运作的。 设置 WSL 2 使用 WSL 2 之前，需要确保使用的是兼容版本的 Windows。 Windows 10 版本 2004 及更高版本（家庭版及更高版本）和所有版本的 Windows 11 都支持 WSL 2。 然后，安装 Ubuntu 或首

在上一篇专门讨论整行代码补全的文章中，我们探讨了整行补全插件的神经网络用于 Python 的词汇表。 然而，仅仅 16384 个词例，如 self.、or、s.append(、return value 和文章中描述的其他词例，甚至不足以生成一行。 我们需要一种能够将这些词例组合起来编写代码块的方式。 本文将讨论算法如何使用词汇表的元素构造更长的短语。 首先是自回归。 自回归 文本（和代码）生成基于多个概念，自回归是其中之一。 机器学习算法将现有文本或其中的一部分作为输入，预测词汇表中各个词例成为文本中下一个词例的概率。 这些概率的预测由基于 Transformer 的神经网络模型完成。 在本文中，我们将把这个模型视为一个黑盒，它会接收一系列词例并返回下一个可能词例的概率。 许多关于神经网络 Transformer 运作方式的文章都解释了这个黑盒的内部原理。 例如，有关 Transformer 的原始研究论文或专门针对 GPT-2 的插图说明。 本文不涉及 Transformer 的实现细节。 我们将探讨的是获得概率后算法的作用。 我们可以取最可能的词例，将其作为下一次推断迭代的上下文的一部分反馈给算法。 这使我们能够预测序列中的第二个词例，我们可以再次将其用作上下文的一部分。 

JetBrains Python 整行代码补全插件现已推出公测版。 我们想谈谈一些用于创建插件的技术和算法，并分享我们收集的有关 Python 编程的统计数据。 什么是“整行代码补全”？ 代码补全的作用是向用户建议下一个键入的单词。 如果您对代码补全还不熟悉，可以阅读我们的系列介绍文章（一、二、三、四）。 整行代码补全通过建议更大的代码段来扩展服务。 它还可以为您填写方法调用形参或编写错误消息文本。 在用户体验方面，它类似于普通的代码补全，并使用相同的弹出窗口呈现结果： 但是，这种扩展补全形式背后是截然不同的技术。 标准代码补全使用静态分析确定从当前位置可见的类、方法、字段变量和关键字，然后应用机器学习选择最佳推荐。 从预定集合中选择最佳条目是判别建模的形式。 整行补全则提供了由多个“单词”组成的新代码块。 编写代码看起来像是一个创造性的过程，并且计算量更大。 这是生成建模的形式。 神经网络是一种典型的生成建模工具，我们也在使用。 我们想带您进行一次整行代码补全引擎的幕后导览，并从几个有趣的方面展示它的工作原理。 今天的问题是：神经网络如何看待您的程序？ 搭配编程语言的算法使用自然语言处理中的多种技术。 神经网络不

我们荣幸地宣布，我们的全新数据科学 IDE DataSpell 已正式发布！ DataSpell 是 JetBrains 的新 IDE，专为参与探索性数据分析和 ML 模型原型设计的人员而设计。 DataSpell 在一个符合人体工学的环境中将 Jupyter Notebook 的交互性与 PyCharm 的智能 Python 和 R 编码辅助相结合。 https://youtu.be/iaKX-W3Rj9M DataSpell 提供哪些主要功能？ 首先，DataSpell 支持本地和远程 Jupyter Notebook。 可以直接在 IDE 中使用，就像使用基于 Web 的传统 Notebook 一样。 与 Jupyter 或 JupyterLab 相比的主要优势在于，使用 DataSpell，您可以获得成熟 IDE 提供的智能编码辅助和许多其他功能。 DataSpell 支持 Jupyter 的命令模式、大多数标准快捷键、Markdown 和 LaTeX 以及交互式输出。 对于 Python 和 R 脚本，DataSpell 允许您运行整个脚本或其中的一部分，并以交互方式轻松浏览输出。 虽然 DataSpell 对本地 Jupyter Notebook 的支持已与 PyCharm Pr

由于 Python 现已成为数据科学的首选语言，JetBrains 的 PyCharm 必须配备数据科学功能。 根据我们团队在过去一年中收到的反馈，我们在努力大幅改进 PyCharm 对数据科学的支持。 在这一过程中，我们发现，数据科学家和软件开发人员都有不同的工作流程和对其工具的期望。 因此，我们决定以 PyCharm 的 IDE 引擎作为一个全新的 IDE 的基础，打造出更专注于数据科学的工具。今天，我们很高兴与大家分享这个新 IDE 的一些独特功能，同时也邀请大家加入它的 EAP（早期试用计划）。 这个 IDE 的正式名字叫 JetBrains DataSpell（最终名称可能会在发布时改变）。 JetBrains DataSpell 为积极从事探索性数据分析和机器学习模型原型设计的数据科学专业人士提供了一个高效的开发环境。 要报名参加 EAP，请在官方页面上提交简短的申请表格。请注意，我们会逐步发送邀请，而不是一次发给所有人。 别担心，当您注册后，保证您迟早会在收件箱中收到邀请。 JetBrains DataSpell 将为 Jupyter 笔记本提供本地支持： Jupyter Notebook 的体验将是基于 Web 的 Jupyter 的增强版。 输出显示在单元格下方。 Notebook 的外观将与传统基于 Web 的 Jupyter Notebook 相