Python 深度集成的神器级 IDE，从此告别 Excel！，成为阿里 P7Python 架构师到底有多难

Grid Studio 主要要解决的问题是如何在开发数据科学项目时不需要在各种工具（比如 R Sudio、Excel）之间切来切去，因为那种体验实在太糟糕了。

在导出 CSV 文件时，因为行数太多或者尝试读取 JSON 文件会导致应用程序窗口没有响应。现有的工具无法提供高效的开发环境和工作流。

于是，Rick 决定开发一个工具，把他的工作流集成在一起，可以方便地应对各种项目。

Grid Studio 的工作原理

Grid Studio 是一款基于 Web 的应用程序，看起来和 Google Sheets 或 Excel 很像。不过，它的杀手锏特性是与 Python 的深度集成。

你可以直接用它查看和编辑表格结构的数据，也可以直接在上面编写和执行 Python 代码。

在 Grid Studio 中可以直接通过 Python 读写电子表格。

要向表格中写入数据，可以这样：

sheet("A1:A3", [1, 2, 3])

要从表格中读取数据，可以这样：

my_matrix = sheet("A1:A3")

这些简单的函数可以实现数据的自动录入、抽取、可视化，等等。

编写自定义函数

虽然上述的读写函数已经可以满足很多需求，但有时候也需要编写自定义函数，然后在表格中调用这些函数。

Grid Studio 默认支持常用的表格函数，比如 AVERAGE、SUM、IF，等等。但如果你想要使用其他函数，那该怎么办？

自己动手写！

def UPPERCASE(a): return str(a).uppercase()

然后就可以在表格中调用这个函数，就像调用常规的函数一样。

利用 Python 生态系统

Python 生态系统提供了很多非常棒的数据科学开发工具：

借助这些工具可以很容易地使用强大的模型，比如线性回归和 SVM。

Docker 运行时

Grid Studio 运行在 Docker 容器中，可以很方便地访问 UNIX 环境（甚至是 Windows！）中的东西：Python、scikit-learn、numpa、pandas、terminal、wget、zip，等等。

Grid Studio 提供了预先构建好的 Docker 镜像，可以通过简单的命令行来启动。

数据可视化

数据可视化是数据科学的一项常见任务。Grid Studio 与 Plotly.js 和 Matplotlib 深度集成，为高级数据可视化提供了内置支持。

为了演示 Grid Studio 的功能，接下来将提供一些具体的例子。

示例：爬取网络内容

之前爬取网络内容可能需要在各种工具之间切换，现在只需要一个脚本就够了。

在上面的示例中，一个简短的脚本直接将 Hacker News 网站的文章加载到表格中。

脚本地址：

https://github.com/ricklamers/gridstudio/blob/master/examples/scrape.py

示例：估计正态分布

这个例子演示了使用 Plotly.js 进行高保真正态分布估计，交互式绘图让你对正在发生的事情一目了然。

脚本地址：

https://github.com/ricklamers/gridstudio/blob/master/examples/estimate_normal.py

（1）Python 所有方向的学习路线（新版）

这是我花了几天的时间去把 Python 所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python 学习视频

包含了 Python 入门、爬虫、数据分析和 web 开发的学习视频，总共 100 多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100 多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。