DataSpell激活2024.1.1(DataSpell 2024.1：全行代码补全、通过 SQL 单元查询 DataFrame、Import Data（导入数据）单元、dbt 支持改进)

DataSpell是JetBrains公司专为数据科学家和数据分析人员设计的数据库IDE。它完美结合了JetBrains经典的智能编辑器与Jupyter Notebook的灵活性,让数据处理和分析工作变得前所未有的顺手和高效。

DataSpell 2024.1：全行代码补全、通过 SQL 单元查询 DataFrame、Import Data（导入数据）单元、dbt 支持改进

DataSpell 2024.1 版本带来了一系列令人振奋的更新和改进，让数据分析工作变得更加高效和便捷。下面是最新变化的详细介绍。

全行代码补全

在 DataSpell 2024.1 版本中，我们对驱动 Python 的机器学习（ML）辅助全行代码补全的本地模型进行了增强。现在，模型生成的建议更加全面，并且能够考虑更广泛的上下文，从而提供更准确的建议并加快您的输入速度。与此同时，这个纯本地模型保证了数据的隐私，不会将任何数据发送到互联网上，而且完全免费。

通过 SQL 单元查询 DataFrame

在 DataSpell 2024.1 版本中，您现在可以直接在 Jupyter Notebook 中使用 SQL 来查询 DataFrame 和 CSV 文件。我们引入了新的 Import Data（导入数据）单元类型，使您可以轻松地导入文件并开始进行数据处理。

Import Data（导入数据）单元

Import Data（导入数据）单元是 DataSpell 2024.1 版本中全新的 Jupyter Notebook 功能。通过将包含表格数据的文件拖放到 Import Data（导入数据）单元上，您可以轻松开始处理您的数据，无论是使用可视化控件还是 Python 代码都可以实现。

dbt 支持改进

最新版本的 DataSpell 对 dbt Core 的支持得到了重大改进。现在，您可以直接在 DataSpell 中查看 dbt Core 项目的 DAG 图，以便更好地了解项目的相关性和结构。此外，我们改进了对 dbt Core 项目的代码补全，现在您可以在 SQL 文件中直接运行、预览和测试模型。

AI Assistant 正式版

AI Assistant 预览版已经结束，现在我们正式推出 AI Assistant，为 JetBrains IDE 提供更多强大的功能和改进，进一步提升您在 IDE 中的工作效率。

通过 AI Assistant 了解 DataFrame

现在，通过 Explain code（解释代码）功能，您可以在 Jupyter Notebook 和 Python 脚本中轻松探索 DataFrame。只需右键，从上下文菜单中选择选项或交互式表右上角的 AI Assistant 图标即可展开该工具。激活后，AI Assistant 将获得有关您的数据集的基本信息，例如列名称和描述性统计数据。这使得 AI Assistant 能够提供有关 DataFrame 的详细信息和分析。此外，您还可以选择与 AI Assistant 进行更深入的对话，以进行更进一步的数据分析。

订阅 JetBrains AI Service，即可在 DataSpell 中以插件的形式使用 AI Assistant。

dbt Core 支持

DataSpell 现在正式支持 dbt Core，这是一种在数据社区中越来越受欢迎的新型数据转换框架。dbt Core 简化了数据转换的过程，并促进了数据分析中的最佳工程实践，如模块化、测试和文档。如果您已经熟悉 SQL，那么使用 dbt Core 将非常容易上手。

DataSpell 中 dbt Core 的支持带来了以下好处：

• 简化项目启动：您可以使用预配置模板轻松启动 dbt 项目。
• 简化的运行、构建和调试流程：只需几下，使用运行配置（Run Configurations）轻松执行、构建或调试项目。
• 智能代码补全：DataSpell 为 SQL 和 YML 文件提供了智能代码补全功能。

SQL 单元和 Python

DataSpell 2024.1 引入了 SQL 单元的概念，以加强 SQL 与 Python 的连接。除了现有数据库工具和 SQL 插件提供的强大 SQL 支持外，使用 SQL 单元可以在 Jupyter Notebook 中更好地结合 SQL 和 Python。使用 SQL 单元，您可以轻松检索数据库中的数据，并将其自动转换为 pandas DataFrame，以便在 Notebook 中直接使用。此外，智能代码补全功能也对 SQL 代码和 SQL 对象（如表和列）进行了完全支持，提升了 SQL 编码的体验。创建 SQL 单元非常简单，只需“添加 SQL 单元”即可。

交互式表

DataSpell 2024.1 中的交互式表得到了一些重要的改进和增强功能。

表内统计

现在，您可以通过表头轻松访问基本数据洞察，例如缺失值、平均值、标准差等。这项改进有助于数据专员在数据分析过程中的效率提升。

分类数据分布统计

现在，您可以轻松查看分类数据的分布。这个功能可以让您快速查看出现频率最高的值的列表及其百分比。如果有大量唯一值，您还可以轻松获取列中各个不同条目的数量。

表内数据分布直方图

数据分布直方图是数据分析中的重要工具，可以提供数据分布的可视化快照，并有助于模式识别、异常值检测和数据质量评估。在 DataSpell 中，您可以直接通过表头轻松查看这些直方图。您可以选择查看默认的紧凑模式或详细视图。

简化的表内数据可视化

为了简化数据分析工作流，我们引入了简便的图形生成器。现在，您可以通过表头上的图标轻松创建图形，以实现快速、轻松的数据可视化。

表内 AI 助手

通过交互式表右上角的 AI 助手图标，您可以获得有关 DataFrame 的有价值洞察。助手会提供实时信息，您还可以通过与助手进行对话来进一步探索数据分析。

UI 和导航

隐藏主工具栏

DataSpell 2024.1 现在提供了隐藏主工具栏的选项，以帮助整理工作区和更好地利用屏幕空间。您可以通过选择外观（Appearance）并取消选中工具栏（Toolbar）选项来隐藏主工具栏。

改进的导航

为了增强在编辑器中处理多种文件类型时的导航体验，我们为编辑器标签添加了颜色编码高亮显示，以反映它们在项目（Project）工具窗口中的外观。

快速搜索

现在，您可以使用快捷键直接在工具窗口和对话框中进行快速搜索和导航。只需将焦点置于树或列表上，然后使用在 macOS 上按 ⌘ F，在 Windows 或 Linux 上按 Ctrl+F，或直接输入查询，并从Options（选项）菜单中调用搜索即可。

这些是 DataSpell 2024.1 版本的最新变化，您可以从我们的网站下载最新版本的 DataSpell，也可以通过 IDE 或免费的 Toolbox App 进行更新，或使用 Ubuntu 的 Snap 包。尽情体验新功能带来的快乐！

智能Jupyter Notebook环境

DataSpell内置了增强版Jupyter Notebook,让数据工作变得更轻松:

• 支持Notebook的命令及编辑模式,快捷键全面兼容
• 单元格间自由导航,代码自动补全,内置数据浏览
• 本地或远程连接Jupyter Server,全面兼容生态

便捷的Python编辑环境

DataSpell提供了专业的Python集成开发环境:

• 智能提示代码,内置调试器,支持单元测试
• 交互式Python控制台,方便数据探索
• 支持Plotly、Bokeh等主流可视化库

专业的数据处理工具

DataSpell内置丰富的数据库工具,实现从数据获取到清理的一站式工作流:

• 数据库连接和管理,SQL编辑器自动完成
• 导入导出数据,便捷的数据清理工作
• 版本控制系统支持,实现可重复的数据分析

DataSpell使数据科学工作变得直观高效。它可以让您更专注于创造价值的分析工作,而非技术细节。如果您想提升数据团队的工作效率,DataSpell绝对是正确的选择。

智能Jupyter Notebook

DataSpell在基础的Jupyter Notebook功能上,添加了许多提升用户体验的设计:

• 智能单元格导航:支持使用箭头键快速在单元格间导航,使跳转编辑更加便捷
• 单元格编辑模式:支持Jupyter Notebook的代码编辑模式,可以方便输入多行代码,同时具备代码高亮、自动补全等功能
• Markdown渲染:支持在Markdown单元格中编写文档,实时渲染 Markdown 内容
• 交互式输出:计算结果以表格或图形形式展示,支持直接在IDE中交互操作,如筛DataSpell激活2024.1.1选、排序等
• 内核连接:可一键连接本地或远程的Jupyter内核,与生态完美对接

智能Python编辑

DataSpell借助JetBrains在IDE设计上的深厚积累,提供了非常智能的Python编辑体验:

• 即时错误检查:代码编写过程中实时发现语法、语义错误
• 智能提示:根据上下文自动提示方法、参数等,提升编码效率
• 一键调试:内置完整的调试器,支持断点调试、查看变量等
• 重构支持:进行代码重构的同时安全保留程序语义

专业的数据工具

DataSpell内置了数据库管理和数据处理需要的各种工具:

• 视觉化数据库管理:直观查看数据库中的表、索引等信息
• SQL自动完成:快速编写SQL语句,提示语句结构与语法
• 数据导入导出:支持将数据导入到表中或导出至CSV等格式
• 数据版本控制:结合Git或SVN,跟踪数据变更并保证可重现性

我来详细解释一下DataSpell的主要编程语言和使用场景:

1. DataSpell主要支持Python语言。

Python在数据科学领域应用广泛,DataSpell提供了许多针对Python的智能编辑和分析功能,比如Jupyter Notebook集成、交互式Python控制台、Plotly/Bokeh可视化支持等。这大大提高了使用Python进行数据获取、清理、分析、建模和可视化的效率。

2. DataSpell也支持SQL数据库语言。

数据科学家经常需要处理结构化数据库,DataSpell能够简化数据库连接和管理,通过智能SQL编辑器编写查询语句。这加速了从数据库获取、处理数据的工作流程。

3. DataSpell辅助进行版本控制。

数据项目通常需要Git或SVN进行版本控制,DataSpell提供了版本控制的图形界面,可以直接在IDE中进行提交或更新等操作。这有助于让数据分析项目更可重复、可追溯。

4. DataSpell用于改进数据科学家的工作流程。

传统上数据获取、清理、分析、建模、可视化需要在各种工具之间切换。DataSpell将整个Workflow集成到一个IDE中,大大优化了数据工作的效率。数据科学家可以更专注于创造价值的分析,而不再被工具间的切换耽误。

综上所述,DataSpell致力于提升数据工作的生产力,其智能编辑、一体化设计可以极大地改进数据科学家的日常工作流程。这也是DataSpell的主要设计目的和使用场景。

DataSpell是JetBrains公司推出的数据库集成开发环境(IDE)。它专门针对数据科学家的工作流程进行了优化,使整个数据分析过程更加高效。

支持Python数据分析

DataSpell内置了Jupyter Notebook,可以进行交互式Python数据分析:

• 导入数据
• 数据清理与转换
• 建模分析
• 可视化呈现

同时提供智能提示、内置调试器等功能来提升Python编程效率。

便捷的数据访问

DataSpell让从数据库获取数据变得简单,它提供了:

• 数据库连接管理
• SQL语句智能提示
• 将查询结果导入数据框

工作流程优化

DataSpell整合了数据科学家的全流程工作,包括:

• Jupyter Notebook for Python
• 内置数据库工具
• 支持版本控制与协作

这减少在不同工具间切换的损耗,让数据科学家更专注于创造价值的工作。

提升工作效率

综上所述,DataSpell可以有效提升数据工作流程的效率:

• 减少切换工具的损耗
• 自动化重复工作
• 智能化助手,如代码提示

让数据科学家专注分析,而不是技术细节。

以上概括了DataSpell对数据科学家工作流程的优化。