其实，不只是iPad，手机也可以。
痛点
我组织过几次线下编程工作坊，带着同学们用Python处理数据科学问题。
其中最让人头疼的，就是运行环境的安装。
实事求是地讲，参加工作坊之前，我已经做了认真准备。
例如集成环境，选用了对用户很友好的Anaconda。
代码在我的Macbook电脑上跑，没有问题。还拿到学生的Windows 7上跑，也没有问题。这才上传到了Github。
在发布的教程文章里，我也已经把安装软件包的说明写得非常详细。
但是，工作坊现场遇见的问题，依然五花八门。
有的是操作系统。例如你可能用Windows 10。实话实说，我确实没用过。拿着Surface端详，连安装后的Anaconda文件夹都找不到在哪儿。
有的是编码。不同操作系统，有的默认中文编码是UTF-8，有的是GBK。同样一段中文文本，我这里显示一切正常，你那里就是乱码。
有的是套件路径。来参加工作坊前，你可能看过我一些教程，并安装了 Python 2.7 版本 Anaconda。来到现场，一看需要 Python 3.6 版本，你就又安装了一份新的。结果执行起来，你根本分不清运行的 Python， pip 命令来自哪一个套件，更搞不清楚软件包究竟安装到哪里去了。再加上虚拟环境配置，你就要抓狂了。
还有的，甚至是 络拥塞问题。因为有时需要现场安装调用体积庞大的软件包，几十台电脑“预备——齐”一起争抢有限的Wifi带宽，后果可想而知。
痛定思痛，我决定改变一下现状。
目前的教程只提供基础源代码。对于许多新手同学来说，是不够的。
许多同学，就倒在了安装依赖软件包的路上，继而干脆放弃了。
变通的办法有许多。例如干脆录制代码执行视频给你看。
但是正如我在《MOOC教学，什么最重要文中说过的，学习过程里，反馈最重要。
你需要能运行代码，并且第一时间获得结果反馈。
在此基础上，你还得能修改代码，对比前后执行结果的差别。
我得给你提供一个直接可以运行的环境。
零安装，自然也就没了上述烦恼。
这个事儿可能吗p>
我研究了一下，没问题。
只要你的设备上有个现代化浏览器（包括但不限于Google Chrome， Firefox， Safari和Microsoft Edge等）就行。
IE 8.0p>
那个不行，赶紧升级吧！
读到这里，你应该想明白了。因为只挑浏览器，不挑操作系统，所以别说你用Windows 10，你就是用iPad，都能运行代码。
尝试
请你打开浏览器，输入这个链接（http://t.cn/R35fElv）。
看看会发生什么p>
我这里用iPad给你演示。
一开始会有个启动界面出来。请你稍等10几秒钟。
这个界面来自 Jupyter Lab。
你可以将它理解为 Jupyter Notebook 的增强版，它具备以下特征：
代码单元直接鼠标拖动;
一个浏览器标签，可打开多个Notebook，而且分别使用不同的Kernel;
完整的文件浏览器;
CSV数据文件快速浏览
……
图中左侧分栏，是工作目录下的全部文件。
右侧打开的，是咱们要使用的ipynb文件。
为了证明这不是逗你玩儿，请你点击右侧代码上方工具栏的运行按钮。
点击一下，就会运行出当前所在代码单元的结果。
不断点击下来，你可以看见，结果都被正常渲染。
甚至连下面这种需要一定运算量的可视化结果，都没问题。
其实，又何止是iPad而已p>
你如果足够勇（sang） 于（xin） 尝（bing） 试（kuang），手机其实也是可以的。
就像这样。
顺便说一句，这个样例来自于我的数据科学系列教程之《如何用Python处理自然语言pacy与Word Embedding）》。感兴趣的同学可以点击链接，查看原文。
在该 GitHub 页面展示的文件列表中，你需要注意以下3个文件：
demo.ipynb
environment.yml
postBuild
其中demo.ipynb就是你在上一节看到的包含源代码的Jupyter Notebook文件。你需要首先在本地安装相关软件包，并且运行测试通过。
如果在你本地运行都有错误，放到云上去，想必也难以正常运行。
environment.yml文件非常重要，它来告诉 mybinder ，需要如何为你的代码运行准备环境。
我们打开看看该文件的内容：
dependencies： – python=3 – pip： – spacy – ipykernel – scipy – numpy – scikit-learn – matplotlib – pandas – thinc
这个文件首先告诉 mybinder ，你的 Python 版本。我们采用的是 3.6 版。所以只需要指定 python=3 即可。mybinder 会自动为你下载安装最新的。
然后这个文件说明需要使用 pip 工具安装哪些软件包。我们需要把所有依赖的安装包都罗列出来。
这就是之前，我总在教程里给你说明的那些准备步骤。
但是这还没有完，因为 mybinder 只是为你安装好了一些软件依赖。
这里还有两个步骤需要处理：
为了分析语义，我们需要调用预训练的Word2vec模型，这需要 mybinder 为我们提前下载好。
Jupyter Notebook 打开后，应当使用的 kernel 名称为 wangshuyi ，这个 kernel 目前还没有在 Jupyter 里面注册。我们需要 mybinder 代劳。
为了完成上述两个步骤，你就需要准备最后一个postBuild文件。
它的内容如下：
python -m spacy download en python -m spacy download en_core_web_lg python -m ipykernel install –user –name=wangshuyi
跟它的名字一样。它是在 mybinder 依据 environment.yml 安装了依赖组建后，依次执行的命令。如果你的代码需要其他的命令提供环境支持，也可以放在这里。
至此，你的准备工作就算结束了。
魔法表演正式开始。
请打开 mybinder 的 址（https://mybinder.org/）。
根据你的依赖安装包数量等因素，你需要等待的时间长短不一。但是只有第一次构建的时候，需要花一些时间。
以后每一次调用执行，就都会非常快了。
构建完毕后， mybinder 会自动为我们开启对应的运行环境。
这下没问题了吧p>
原理
你是不是觉得，mybinder 很黑科技p>
其实，也不算。
它只是把已有的几项技术，链接了起来。
这大概也算是“积木式创新”的一个实例吧。
我们看看 mybinder 的说明：
但是，如果你经常使用 Java 开发出来的工具，就应该了解痛点有哪些了。
至少，你应该对 Java 程序的运行速度，有一些体会。
而你的浏览器能够执行 Python 代码，是因为 Jupyter Notebook （或者Lab）本来就是建立在“浏览器/服务器”（Browser / Server， B/S）结构上。
如果你已经在本地计算机安装过 Anaconda ，那不妨看看本地执行这个语句：
jupyter lab
会出现什么p>
对，它开启了一个服务器，然后打开你的浏览器，跟这个服务器通讯。
Jupyter 的这种设计，本身就让它的扩展极为方便。
无论 Jupyter 服务器是运行在你的本地笔记本上，还是摆在另一个大洲的机房，对你执行 Python 代码来说，都是没有本质区别的。
另外，如果你以为 mybinder 只能让你在浏览器上跑 Python 代码，那就太小瞧它了。
文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树预备知识Python简介212846 人正在系统学习中 相关资源：百度图片疯狂下载器-专业指导文档类资源-CSDN文库
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！