?

本文示例文件已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes

?

1 簡介

jupyter lab是我最喜歡的編輯器，在過往的文章中也給大家介紹過很多相關(guān)資源和實用插件，但本文要給大家介紹的jupyter lab插件elyra，絕對是我使用過的最強大的jupyter lab插件沒有之一，因為它的核心功能就是幫助我們解決數(shù)據(jù)分析工作中非常重要的問題——「搭建工作流」。

2 利用elyra搭建工作流

在安裝elyra插件集之前，請確保你的jupyter lab版本在2.0及以上，并且已經(jīng)安裝好了nodejs也就是所有jupyter lab拓展插件都需要的依賴。

不像常規(guī)的jupyter lab插件的安裝方法，我們執(zhí)行下列命令即可安裝elyra下集成的多個插件：

pip?install?--upgrade?elyra?&&?jupyter?lab?build

安裝完之后，你的jupyter lab操作界面外觀會發(fā)生一些變化，我們先記住在安裝elyra之前我們的jupyter lab界面長啥樣（我使用的主題感興趣的朋友可以通過jupyter labextension install jupyterlab-tailwind-theme來安裝）：

而在安裝完成重啟jupyter lab之后，除了左上角的jupyterlogo變化了之外，還新增了圖中我用紅框框選出來的地方：

接下來我們就來介紹如何利用elyra交互式地「搭建工作流」。

elyra賦予了我們通過交互的方式將若干個ipynb文件組織成工作流的能力，為了方便演示，這里我們創(chuàng)建幾個帶有簡單流程代碼的ipynb文件：

接著我們在「Launcher」頁面點擊Pipeline Editor打開用來交互式編輯「notebook流水線」的界面：

直接將側(cè)邊欄中對應的step1.ipynb文件拖拽進來：

點擊流水線界面中ipynb文件對應節(jié)點右側(cè)的三個圓點，可以打開更多功能選項：

因為我們是本地環(huán)境，所以這里只需要在properties下必填參數(shù)Runtime Image中隨便選一個就行：

保存之后，就完成了本地環(huán)境下單個節(jié)點的必要參數(shù)設置，同樣的將其他ipynb文件拖拽進來，各自配置好必要參數(shù)再如圖13所示將各節(jié)點聯(lián)結(jié)起來：

這樣我們的流水線就搭建好了，是不是非常滴好玩~，接著點擊左上角的運行按鈕，輸入流水線名稱后即可開始運行我們的工作流：

工作流執(zhí)行成功之后也會有提示：

如果工作流執(zhí)行到某個節(jié)點發(fā)生程序錯誤，也會有非常人性化的提示：

對應出錯的ipynb錯誤代碼塊上方，elyra也會幫我們創(chuàng)建記錄錯誤信息的markdown單元格：

最好用的是，配合魔術(shù)命令%store，我們就可以跨notebook傳遞全局變量，而不需要再往外寫出先前節(jié)點的結(jié)果文件：

利用%store 變量名將某個變量轉(zhuǎn)化為跨kernel的全局變量：

利用%store -r 變量名將跨kernel全局變量中的指定變量加載到當前kernel中：

而除了「搭建工作流」這個核心功能外，elyra還有很多其他的實用功能，感興趣的朋友可以前往官方文檔（https://elyra.readthedocs.io/en/latest/）自行閱讀學習。

以上就是本文的全部內(nèi)容，歡迎在評論區(qū)與我進行討論~

Python大數(shù)據(jù)分析

data creates?value