为什么我要转向-marimo-笔记本

为什么我要转向 marimo 笔记本

原文：towardsdatascience.com/why-im-making-the-switch-to-marimo-notebooks/

TL;DR: 经过多年的 Jupyter Lab 使用，我将大部分工作迁移到了 marimo 笔记本，这是一种新型的 Python 笔记本，解决了传统笔记本许多长期存在的问题。本文涵盖了转换背后的原因，以及 marimo 如何自然地融入我的当前工作流程，并对 Project Jupyter 构建塑造数据科学、研究和教育的笔记本生态系统表示衷心的感谢。

一些背景信息

我在笔记本里度过了多年。长期以来，我的设置是本地实验使用 Jupyter Notebooks/Lab，云端或 GPU 工作使用 Google Colab，多亏了它们免费层选项。我甚至撰写了许多博客，分享如何充分利用这些笔记本的技巧，其中我分享了超越常规使用方式的建议。

话虽如此，这些传统笔记本确实存在一些问题，最大的问题是反应性（或者说，缺乏反应性）。隐藏状态、执行顺序混乱和手动重新运行是我使用这些笔记本时的痛点。

当我发现 marimo 时，这一切都改变了，它是 Jupyter 笔记本的开源替代品，在其中你可以运行单元格、执行计算和创建图表，就像在 Jupyter 中做的一样。但它在底层工作方式非常不同，并解决了许多长期存在的问题。关键区别在于，marimo 笔记本只是一个 Python 文件，这使得它对于任何使用 Python 的人来说都是一个更好的笔记本和更好的编码环境。在这篇文章中，我分享了转换背后的十个原因，以及为什么自从转向 marimo 后，我的笔记本工作变得更加顺畅。

如果你想跟上，按照以下步骤安装 marimo。这个命令启动 marimo 编辑器，并以沙盒模式打开笔记本，它就像一个轻量级虚拟环境，将你的笔记本与系统其他部分隔离开来。你也可以使用 marimo.new 在在线游乐场中启动一个新的笔记本。有关详细说明，请参阅 文档.

pip install marimo
marimo edit --sandbox notebook.py

1. 最终解决隐藏状态问题的反应性

传统笔记本不具备反应性。这意味着如果我在一个单元格中更改了某些内容，其他内容不会自动更新。我经常不得不重新运行它们，只是为了保持输出的一致性。例如，考虑下面的 Jupyter Notebook，在左边我定义了两个变量 a 和 b，将它们相加得到第三个变量 c，然后显示 c 的值，它是 30。

在传统的笔记本中，更改变量 a 的值不会自动更新 c。输出保持不变，直到你自己重新运行单元格，这就是隐藏状态问题在起作用。| 图片由作者提供

现在，如果我将a更改为右侧所示 20，除非我重新运行单元格，否则c仍然会显示30。这种代码与输出之间的不匹配是经典隐藏状态问题。

Marimo 通过响应式执行解决这个问题，其中每个单元格都是依赖图（DAG）的一部分。一个单元格的变化会自动触发依赖单元格的更新。所以，当a变化时，marimo 会重新评估任何依赖单元格。看看当a的值改变时，c是如何自动更新的。

在 marimo 中，更改一个变量会立即更新 c，因为笔记本是响应式的，并且保持所有单元格同步。| 图片由作者提供

这使我的代码和输出保持完美同步，这意味着我可以与他人共享我的笔记本，而不用担心它们执行的顺序。

但是否每个单元格都应该自动更新？不一定。有些单元格运行起来很昂贵，比如涉及机器学习训练或大量数据处理。好消息是 marimo 支持延迟执行，这让你可以在需要时才关闭自动更新并触发这些单元格。

2. 单元格顺序不再打断我的工作流程

由于 marimo 笔记本根据变量关系而不是页面上的顺序来执行单元格，这让我有自由以对我有意义的方式组织我的代码。例如，我可以将所有导入和辅助函数放在底部，以保持工作空间整洁。

这也打开了一些有趣的使用场景。我已用它创建小型自动评分测验，其中答案键位于笔记本底部。测验仍然可以正常工作，因为单元格顺序无关紧要，答案对参加测验的人不可见。（是的，marimo 也有暗黑模式 😃。）

一个自动评分测验的快速演示，这得益于单元格顺序无关紧要。| 图片由作者提供

3. 它本质上是一个 Python 文件

由于每个 marimo 笔记本都存储为纯 Python 文件，这解决了我在 Git 中版本控制方面长期存在的问题。我最终可以干净地跟踪更改，而不必处理混乱的 JSON 差异。笔记本也变得更加灵活。我可以将其用作脚本，从命令行运行它，甚至可以将其转换为小型交互式应用程序，而无需进行任何更改。

下面，右侧显示了 marimo 笔记本视图，而左侧显示了在编辑器中作为普通 Python 文件打开的相同笔记本。

同一个笔记本，两种视图：左侧的 Python 源代码和右侧的交互式 marimo 笔记本 | 图片由作者提供

4. 我可以轻松地将我的笔记本转换为应用程序

将 Marimo 笔记本转换为交互式应用也很简单。我可以通过单次点击在编辑模式和应用视图之间切换，而且我永远不需要重写代码或添加任何额外内容。

这里有一个将温度从摄氏度转换为华氏度的示例笔记本。该笔记本可以在应用模式中使用默认垂直布局查看。

通过单次点击在编辑模式和应用程序视图之间切换 | 图片由作者提供

这个功能对于创建交互式博客、教程和教育性指南特别有用。如果你曾经阅读过AI Explorables，你就知道与内容互动而不是仅仅阅读的感觉。Marimo 提供了类似的感觉，而网格布局使它变得更好，因为我可以拖放输出以按我的意愿排列应用。

使用网格布局在 Marimo 中自定义应用显示 | 图片由作者提供

5. 高效的包管理器，因此不再有依赖问题的烦恼

Marimo 内置了一个包管理器，允许我直接从笔记本中安装缺失的库。如果某个模块不可用，Marimo 会显示一个小提示，我可以点击安装。这消除了与终端的常规来回操作。

Marimo 内置的包管理器 | 图片由作者提供

Marimo 还为我处理可重复性。当我使用--sandbox标志运行笔记本时，它会跟踪所有包及其确切版本，并将它们作为顶级注释保存在笔记本文件中。不需要单独的requirements.txt文件，因为笔记本已经包含了它所需的一切。

依赖元数据位于笔记本内部，当你以正常 Python 脚本打开 Marimo 文件时，它会清晰地显示出来。 | 图片由作者提供

6. 用于处理 DataFrames 的内置工具。

如果你花很多时间探索数据，这个功能会让你感觉像是天赐之物。当你将 dataFrame 显示在 Marimo 中时，默认视图是完全交互式的，并且自带一些有用的工具，如滚动、分页、数值列的自动直方图以及从列标题进行简单的排序和过滤。这加快了我的数据探索过程，因为视觉探索往往能提供更好的洞察。

Marimo 中带有内置排序、过滤和直方图的交互式 DataFrame 视图 | 图片由作者提供

Marimo 还允许我将 DataFrame 转换为交互式输入元素。使用mo.ui.table，我可以选择行，并在下游计算中使用这些选择。选择会自动更新，这意味着我的笔记本的其他部分也会自动更新。

使用 mo.ui.table 进行交互式行选择，直接输入到下游单元格中 | 图片由作者提供

如果我想与业务利益相关者分享一个笔记本，marimo 包含一个 UI 数据框编辑器，让他们可以拖放聚合和转换而无需编写任何代码。它甚至为每个步骤生成等效的 Python 代码。

Marimo 的 UI 数据框编辑器让业务用户无需编写代码即可探索数据 | 图片由作者提供

等等，这还不是全部。还有一个 数据探索器 工具，让我可以直接从 DataFrame 中构建快速的可视化。

使用数据探索器选择列并生成即时可视化 | 图片由作者提供

所有这些使得早期数据探索变得更快。无需在库之间切换或编写样板代码来理解数据集，我可以在笔记本内立即开始分析和可视化。

7. 边打字边查看文档

对于我来说，marimo 笔记本最被低估的功能之一就是实时文档面板。我可以看到函数的 docstrings、参数和示例，而无需调用帮助工具。

该面板也是交互式的，因此我可以滚动查看长的 docstrings、检查示例，并将片段复制到我的笔记本中。如果 docstring 有格式化的示例，marimo 会检测到它们，并允许我直接将它们复制到一个新的单元格中，这在学习新库时非常有用。

实时文档操作，显示我在打字时的实时文档 | 图片由作者提供

8. 笔记本内的 SQL

Marimo 对 SQL 的支持非常强大。我可以在一个笔记本中非常自然地混合使用 SQL 和 Python。我可以在 SQL 单元格内编写一个 SQL 查询，运行它，并得到 marimo 为 DataFrame 提供的相同整洁的表格视图。

我还可以通过 DuckDB 在本地文件上运行 SQL。简单的 select * from "file.csv" 就可以工作。如果我想连接到真实的数据库，我可以在侧面板中做到这一点。Marimo 允许我添加不同的数据源，一旦添加，表格就会直接显示在笔记本中。

在 Marimo 内部直接在笔记本上运行 SQL，对 DataFrame 和本地文件进行操作，无需离开笔记本 | 图片由作者提供

9. Molab：marimo 笔记本云服务

Molab 是 marimo 笔记本的服务，就像 Google Colab 是 Jupyter 笔记本的服务一样。你可以在云端获得 marimo 笔记本的所有优点。你可以在 molab.marimo.io 打开 Molab，创建新的笔记本，或者打开之前创建的笔记本。当我需要快速启动笔记本或避免在我的机器上运行东西时，这是一个很好的选择。许多流行的 Python 包都是预先安装的，笔记本有持久存储，我可以轻松地分享、下载或上传它们。

molab：marimo 笔记本云服务 | 图片由作者提供

另一个很酷的功能是 GitHub 集成。你可以访问 Molab 网址，将molab.marimo.io/notebooks替换为molab.marimo.io/github，这样你就可以在 Molab 中打开任何 GitHub 上托管在 Molab 中的笔记本，无论是 Jupyter 还是 marimo。然而，目前还没有 GPU 支持，就像在 Colab 中一样，但我相信团队将会着手解决这个问题。

10. 可定制的 LLM 集成

Marimo 还内置了一些非常实用的 AI 辅助编码功能，这对我很有帮助。说实话，Jupyter 也有一个名为JupyterAI的 AI 功能扩展，叫做 JupyterLab 扩展（是的，我也写过关于这个的)，但将 AI 支持内置到 marimo 中，为我省去了很多麻烦。

我主要在 marimo 中使用 AI 做两件事。第一是当我想要尝试一个新的库或快速演示时，生成新的笔记本。这为我节省了时间，因为我不必寻找玩具数据集或从头开始设置一切。

通过 marimo 中的 AI 生成整个笔记本 | 图片由作者提供

第二点是重构和调试。Marimo 的 AI 助手拥有我笔记本的完整上下文，因此它可以读取我的代码，并帮助我在笔记本内直接修复或清理它。

marimo 中的 AI 助手 | 图片由作者提供

我还喜欢可以为我想要聊天的模型和编辑的模型选择不同的模型，并为自己想要代码如何编写的规则设定。如果我想避免专有模型，Ollama 也可以作为一个提供者工作。

结论

我与 marimo 团队没有关联，这也不是一篇付费文章，这只是我在实际项目中使用它的体验。这是一篇长篇大论，因为我想要分享 marimo 是如何让我的笔记工作更加顺畅的。我只指出对我帮助最大的部分。文档内容更为深入，是探索 marimo 所能提供一切的最佳地点。