不吹不黑，jupyter lab 3.0客观使用体验

1 简介

jupyter lab 于近期发布了其具有里程碑意义的 3.0 版本，随之带来的一些重要新特性，想必广大读者朋友已在各大公众号所翻译转载的 jupyter lab 团队官方介绍文章中知晓了很多。

那么目前的 jupyter lab 好用吗？是否还存在bug？适合直接升级使用吗？今天的文章就将通过我的真实使用体验，来认识 jupyter lab 3.0。

2 jupyter lab 3.0使用体验

为了不干扰现有的环境，我们通过以下代码创建新的环境，并安装最新稳定版本的 jupyter lab ：

conda create -n temp python=3.7 -y
conda activate temp
pip install jupyterlab -U

这样我们的 jupyter lab 就安装好了，版本为 3.0.3 ：

接下来我们就逐一体验官方所述的新版本特性，看看是否好用，是否还存在问题。

2.1 “无需nodejs即可安装插件”

作为官方宣传的 jupyter lab 3.0版本后最大的改变，似乎我们可以不需要 nodejs ，不通过 jupyter labextension install 语句，仅仅依靠 pip/conda/mamba 就可以安装拓展，那么目前未知，常见常用的那些 jupyter lab 拓展都可以这样安装吗？

我测试了一下，目前确实已经有一些主流的，官方或非官方出品的拓展已经可以这样安装了，譬如：

• jupyter-kite

作为 jupyter lab 平台上非常实用的代码智能补全插件，按照官方Github仓库的说明，通过下面语句，即可成功安装:wink:：

pip install "jupyterlab-kite>=2.0.2"

使用起来也是非常稳定：

• jupyter-matplotlib

作为 jupyter lab 上开启交互式 matplotlib 绘图所需的拓展，我们现在可以通过下面的语句直接进行安装，这样的好处显而易见——我们无需再 build 了！

pip install ipympl

并且 jupyter-matplotlib 安装过程顺道把 @jupyter-widgets/jupyterlab-manager 拓展安装上了，这意味着它也不需要 nodejs 依赖了 _欢呼

但 jupyter lab 插件茫茫多，上面举的例子只是其中过渡动作比较快的，仍然有大量的好用的 jupyter lab 插件还未兼容 jupyter lab 3.0，譬如我们过往文章介绍过的非常实用的，用于记录每个cell执行耗时等信息的 jupyterlab-execute-time ：

以及 keplergl-jupyter ：

因此如果你有很多心爱的常用的插件仍未做好新版本兼容的工作，那么继续使用 2.X 版本观望，才是现阶段更好的选择。

2.2 “官方汉化”

作为官方宣传的一个重要特性之一， jupyter lab 3.0中号称支持了多语种界面切换，那么我们按照官方的说话，通过 pip install jupyterlab-language-pack-zh-CN 来下载中文汉化包来试试：

咦，居然找不到这个库，原来官方至今（2020-01-09）还未在 pypi 发布所谓的中文翻译包，但这不代表我们无法使用它，通过在官方 Github 仓库下经过一番交流，我找到了一个可以进行本地安装的 whl 文件，你可以在 https://jfds-1252952517.cos.ap-chengdu.myqcloud.com/jupyterhub/jupyterlab_language_pack_zh_CN-0.0.1.dev0-py2.py3-none-any.whl 进行下载，感谢 akshare 作者的资源分享。

通过 pip install jupyterlab_language_pack_zh_CN-0.0.1.dev0-py2.py3-none-any.whl 在本地成功安装之后，回到 jupyter lab 刷新一下界面，会看到可用的语言设置选项：

点击切换之后，哇哦，真的可以使用官方中文了耶！

相信之后可在线安装的官方正式版本会很快发布，如果心急的朋友想要尝鲜，也可以像我这样进行配置。

2.3 其他新特性

而至于其他新特性，譬如自带的交互gui式的 debugger ：

conda install xeus-python=0.8.6 -c conda-forge -y

或是自带的目录功能，其实都不是新东西，只不过现在你无须安装就可以使用，而新增加的 simple 模式等特性，吸引力都不是特别大：

作为一次大的升级，我们在新版 jupyter lab 身上看到了其深挖用户需求，做出重大升级的努力，也初步带来了很好的效果，随着开发过程的进行，未来的 jupyter lab 相信会更好用，而至于目前是否值得升级，相信阅读到此的你，心中已经有了答案。

以上就是本文的全部内容，欢迎在评论区与我进行讨论~