史上超强 Python 编辑器，竟然是张网页？

俗话说，磨刀不误砍柴工，要想闯荡编程世界，一套趁手的编辑器是必不可少的。对 Python 语言的使用者来说，不论你是刚开始学习编程知识的萌新小蛇，还是已经有了许多编程经验的巨蟒大佬，今天介绍的这款神器，一定能给你的学习、工作带来许多助益。

——当然，前提是你能正常访问 Google 的服务。

我需要什么样的编辑器？

Python资源共享群：484031800

世上并不存在绝对完美的编辑器，但就日常使用需求而言，起码需要满足以下几点，才算是一款“老少咸宜”的优秀的编辑器：

1.安装配置难度低

用户不需要很复杂的设置或调整系统选项，就能运行良好。相比之下，一些功能强大的专业 IDE 例如 Eclipse 就需要耗费许多时间进行安装和配置。

2.易用性好

学习曲线一定要平缓，不能一来就把新用户给吓跑了。VIM 编辑器可以说是非常厉害了，然而第一次使用的时候，你可能连退出都搞不定。

3.功能强大

除了必备的代码着色，各种运行调试功能也不能少。想来应该不会有人用记事本写代码吧？

4.包括版本管理或团队协作功能

其实这算是一个锦上添花的功能，团队协作能让多人共同完成任务，版本控制可以让你方便地追踪回退你的代码版本，这也为开发大规模应用打下良好的基础。

好了，卖了这么多关子，下面容我向你郑重推荐这款超强的 Python 编辑器——Google Colaboratory！

 

 

 

 

这就是个网页！？

没错，Colab 是一个免费的 Jupyter Notebook 环境（你可以想成是网页版多功能笔记本），它不需要进行任何设置就可以使用，并且完全在云端运行。

你可以在这个网页上编写和执行代码、保存和共享分析结果，并利用 Google 提供的强大计算资源处理数据，所有这些都可通过浏览器免费使用。

别不相信，我这就带你详细了解一下：

01

界面友好

在详细介绍它的强大功能之前，我们先来认识一下 Colab 的界面。

 

 

 

 

和 Jupyter Notebook 一样，Colab 的编辑界面也是以“单元格”为基本单位，每个单元格都是“代码”或“文字”其中之一。

 

 

 

 

代码单元格自带代码着色，可以开启行号显示、缩进字符调整等功能，还能直接在页面上运行代码，运行结果会直接显示在代码单元格下方。除了 Python 代码外，Colab 还支持解析 html 标记，运行 bash 命令等。

 

 

 

 

如果代码有问题，则会显示一些精心着色并格式化了的错误信息，帮助你找到出错的地方——甚至还很贴心地提供了一个“一键求助”按钮，让你能在 stackoverflow.com 上搜索对应的出错信息。

 

 

 

 

文字单元格用于在代码之间添加描述性文字，你可以用它解释代码内容、做笔记、写论文，你可以用 Markdown 标记语言来给单元格内的文字添加格式，甚至插入图片等。

这种图文并茂，代码和数据交相辉映的显示方式，非常适合学习 Python 的新手，以及搞数据分析的科学家们。

 

 

 

 

怎么样，在这样的界面上写代码是不是很简洁明快呀？

此外，作为一个网页版的编辑器，它无需安装和过多配置，基本上达到了“开箱即用”，写完就能运行的效果，降低了初学者入门的门槛，也节省了老手开始工作前的配置时间。再加上云服务天生的跨平台跨设备特性，不管是台式机、笔记本、平板电脑甚至手机，只要有网络的地方，你都能随时继续手头的工作，绝对不会丢失数据。

02

功能强大

在平易近人的外表下，隐藏的是一颗强大的芯。

在代码中，你不但可以用 Python 语言引入各种标准库供你使用，还可以利用 bash 语言的支持，手动安装你需要的各类第三方库。甚至连数据分析用的 Pandas、Numpy，机器学习的 TensorFlow 等都已经内置了。

不仅如此，和跑在自己电脑上的 Jupyter Notebook 环境最大不同之处是，Colab 使用的是 Google 的后台运行时服务，这就相当于你拥有了一台随时待命的专属服务器。这个服务器自带有 12G的内存和50G的硬盘空间，用于容纳、处理你的数据和代码。

 

 

 

 

比如，当你在坐车或者是无聊的会议当中的时候，突然想到一个点子，“我这样构建我的模型行不行？”在以往，只有轻便的上网本或者手机的时候，虽然这些设备的算力可以解决一些微小数据集上的问题，但如果要将模型用于大数据集的时候肯定是需要额外算力的。那么在 5G 网络等等的基础上，你可以用手机通过 Colab 直接连上服务器，用 Google 的算力来运算你对模型的调整。

 

 

 

 

为了用户能更高效地运行调整机器学习代码，Google 还提供了一些 GPU（Tesla K80）和 TPU（据说是八核心的TPU v2）的加速硬件，你只需要在笔记本设置里启用，就可以用到这些额外的运算能力——按照机器之心网站的测试，用 CPU 迭代一次需要运行 2.44 秒的代码，用 GPU 只需要约 280 毫秒，而通过修改代码调用 TPU 进行运算，类似的工作量只需要 1.22 毫秒！这几乎快了 2000 倍呢！

 

 

 

 

最后，Google Colab 最大的优势还在于，它通过云计算让用户摆脱了装备的限制，再也不用担心自己的电脑太烂，不管什么设备，只要能连上 Google 的网络服务，就可以使用云端的虚拟机，处理云端的数据集。

当然，如果你嫌 Google 提供的运行时不够快，或是需要长时间挂着执行高速运算，你也可以在界面上选择连接到电脑本地的代码执行程序，用你自定义的软件/硬件来处理你存放在 Colab 上的代码。

 

 

 

 

03

协作与代码管理

实时协作可以算是 Google 一向的强项啦。在 Colab 里，你可以像分享普通的 Google 文档或电子表格一样，通过邮件邀请或是分享链接的方式，让其他人阅读/参与到你的代码工作中来。

你也可以通过往 Google 云端硬盘上传/下载笔记本文件（.ipynb）的方式，分享、保存、发送你的笔记本的所有内容（文本、代码和输出项）。当然，你可以在“笔记本设置”里选择在保存或分享笔记本时忽略代码单元格输出项，让页面更加简洁。

 

 

 

 

此外，Colab 还支持基于检查点的历史版本管理，你可以方便地回退历史记录，查询修改情况，还能接入 Github 代码库，把代码上传到 Github 仓库或者 gist 里，管理、共享你的代码和分析成果。

 

 

 

 

04

有趣的小彩蛋

最新版本的 Colab 支持换肤功能（……），你可以在设置里选择深色或者浅色的主题背景（据说深色主题能大大增强你的编程水平），选择柯基模式会让你的标题栏出现两只奔跑的柯基，选择威力等级（超强power模式），可以让你的每次键盘输入都震动整个窗口……

 

 

 

 

我能用它做什么？

如果你是刚开始学习 Python 的新人，那它是你入门学习语言的最好工具之一。无需安装配置，即开即用的 Python 环境，能让你方便快捷地测试自己的学习代码，并且在同一个页面里直观地看到程序的输出内容。这能够极大地加快试错和探索的速度，让你更快地掌握新语言的特性。

 

 

 

 

如果你是计算机专业的教师，Colab 甚至提供了一套布置、批改作业的系统，利用笔记本能把题目、代码、运行结果整合在同一个页面上的功能，你可以方便地查看每道问题的作答情况，并对具体单元格进行审阅、批注、打分。

 

 

 

 

如果你是计算机科学家，Colab 这种自带云计算、方便协作的环境能极大地提高你的工作效率。

在数据分析方面，Google 给出了在 Colab 里使用 Pandas 处理数据，并进行分析的详细教程，你可以使用类似的方法读取在线数据集中的数据，并进行分析。

 

 

 

 

在神经网络框架方面，TensorFlow 官方就放出了几个例子，其中让人最印象深刻的是在 Colab 上调用神经网络自动分析图像识别癌症的实例。

 

 

 

 

此外，对于机器学习的研究者，在实际工作中往往会遇到“在什么时候该用什么样的模型”的问题，特别是在调试具体模型时，往往会有很多操作细节是调用者所不明白的。在这种情况下，云计算端口能够提供的是一个合作的窗口，通过共享工作笔记本的形式，其他人可以直接对你的模型提出具体的调整建议。