在數據分析的場景說一下notebook的好壞，並且和Matlab, Excel比較一下
1. 優點
(1) 基於過程
數據分析和傳統的MVC軟件開發的最大區別在於，數據分析存在一個data flow, 我們是在不斷的做計算，並且畫圖。這裡存在一個大致的“順序”，比如
- 先對數據進行處理，去掉有問題的數據 (Data Wrangling)
- 從各個角度看一個這個數據各個維度的分佈情況 (Data Exploration)
- 根據自己的想法、要求，做具體的分析，計算
- 對計算結果做進一部分的分析
非誠勿擾：正在學習python的小夥伴或者打算學習的，可以私信小編“01”領取資料！
這有點類似做應用題。而這是傳統的IDE (e.g. PyCharm) 沒有辦法做到的。假如全部都寫腳本+輸出，那麼你每張圖可能都要保存下來，然後再單獨點進去看 ，很麻煩。而Notebook做這個要更方便，結果直接產生在Cell下面
反言之，如果你不需要這種頻繁的計算-畫圖的話，那麼notebook可能還真沒什麼大不了.
深一點而言，數據分析有不同的paradigm （大致可分為前處理-建模/計算-後處理）。因此，需要一個相應的工具。這一點，notebook並不是獨創，這種方式應該是來源於mathematica.
(2) Python
主要是兩點
語言優勢
比如，在matlab中，你怎麼給函數設定默認值？
function f(arg1,arg2,arg3)
if nargin < 3
arg3 = 'some default'
end
end
https://stackoverflow.com/questions/795823/how-do-i-set-default-values-for-functions-parameters-in-matlab
這實在是太.....了
Package
我做的時候，需要畫風玫瑰圖，類似下面這種
這個matlab並沒有. 我當然也可以自己去定義、去畫，但那樣效率太低
而在Python裡，已經有人做好了這個包，我安裝，然後直接用就行了
再比如，我的研究涉及到一個很專業的函數擬合，這個東西，只有R有相關的包可以調用
而Python可以調用R來做計算，但Matlab卻做不到，這又省了很多事情
進一步而言，Python具有開源、分享自己工作的基本條件。我自己做的研究、做的模型，也可以做成包分享出去，給別人使用，而Matlab則要困難許多。
(3) Hackable
和第一點對應，Notebook的是計算+文檔的混合體，而本身又是web-based，因此非常好hack, 比如我的notebook因為非常長，所以就加了個側邊欄目錄
安裝見:https://github.com/ipython-contrib/jupyter_contrib_nbextensions/tree/master/src/jupyter_contrib_nbextensions/nbextensions/toc2
再比如，在分析電影數據的時候，我覺得用card來展示更方便一點，所以可以這樣顯示數據
再比如，這麼長的文檔，有時候用來做演示，那麼可以再加個按鈕，把code cell全部隱藏掉就好了
2. 缺點
(1) 計算語法過於複雜
標準的語法總是要np.array, np.sum, 非常的囉嗦，這一點matlab要好很多
(2) 功能的欠缺
比如像上面朋友說的，沒有像matlab一樣的variable explorer, 能夠方便的查看數據
這一點極其不便。又比如基於一個dataframe (excel型的數據)，為什麼不能直接點擊、排序篩選，非要寫查詢語句？
又比如，畫的圖不是可交互性的，
比如這裡，我可能想知道上面某個點具體的值是多少，但是靜態圖做不到。
儘管目前有不少交互式的包，但是語法又極其複雜，並不像matplotlib那樣容易使用。
再比如目前的圖片，作為論文插圖也不夠好，matplotlib又不支持emf格式。因此圖片插入word也是個很大的問題。
(3) Notebook不是IDE
主要問題在於，我在notebook中寫的函數，沒有辦法快速跳轉到其定義。而一般的IDE, CTRL+點擊就行了。
3. 未來
(1) 大部分問題都是可以解決的
像上面說的很多欠缺的功能，都是可以解決、正在解決的，就好比我自己去策劃推動了側邊欄目錄一樣。像variable explorer，已經有了初步的版本，但目前還是很難用就是了。
絕大部分欠缺的功能，都可以做，而且開發難度不高。實際上近幾年大家有用notebook的話，就會感覺版本號跳得特別快（雖然始終不夠用....）
(2) 框架
有人說，自己寫notebook的話，很容易寫得很亂，左一個import, 又一個import. 所以要慎用，維護性很差。
但實際上，是缺乏一個框架，把大家的best practice總結起來。
就拿我的notebook 來說, notebook是這樣組織的。最上面的cell 雷打不動，一定是基本的設置
然後所有的Import 放到文件裡面在import 進來
這樣notebook界面上的代碼就清爽很多，不會有各種import。當然，肯定也有比我的做法更好的方法，但問題就是，這些best practice需要分享出來。
又比如計算複用的函數，都可以抽象出去，只在Notebook裡面嘗試新的函數，和寫運行腳本，這樣維護性也更好一些
這些方面，都可以做得更簡潔，有更好的practice，這個是需要一個框架來做的。
4. 總結
所以，為什麼要用notebook呢？其實就是這幾點
- 適合數據分析的 處理-計算-分析 的過程，不需要再專門寫報告
- Python帶來的豐富的第三方包支持，不需要自己再重複造輪子
- 正在逐步豐富的功能，比如多個cell的剪切/粘貼，PPT放映, cell tag ...
結尾
最後多說一句，小編是一名python開發工程師，這裡有我自己整理了一套最新的python系統學習教程，包括從基礎的python腳本到web開發、爬蟲、數據分析、數據可視化、機器學習等。想要這些資料的可以關注小編，並在後臺私信小編：“01”即可領取。
閱讀更多 Python之眼 的文章
