3.2. Jupyter Notebook与JupyterLab的区别¶
Jupyter Notebook是一个非常受欢迎的、使用广泛且功能强大的交互式计算环境， 而JupyterLab是Jupyter Notebook的新一代交互式计算环境，提供了更强大的功能和更灵活的用户界面。 虽然JupyterLab是Jupyter Notebook的继任者，但目前仍然有很多用户在使用Jupyter Notebook。 无论选择哪个，都可以根据个人需求和偏好来决定使用的集成开发环境。
3.2.1. Jupyter Notebook¶
Jupyter Notebook 提供了一个支持多种编程语言的笔记本界面，包括Python、R和Julia等。 Jupyter Notebook的用户界面非常直观， 可以将代码、文本说明和多媒体内容（如图像和视频）集成到一个笔记本中。 用户可以在每个单元格中编写和执行代码，查看代码的输出结果，并在笔记本中进行交互性数据可视化。
Jupyter Notebook的功能非常强大，具有良好的可扩展性。 用户可以通过安装各种插件来增强其功能，例如自动代码补全、语法高亮、代码片段和主题定制等。 另外，Jupyter Notebook导出有多种格式，如HTML、PDF和Markdown等，方便与他人共享。
下面是一个简单的Jupyter Notebook示例：
# 导入numpy库
import numpy as np
# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])
# 计算数组的平均值
mean = np.mean(arr)
# 打印结果
print(mean)
3.2.2. JupyterLab¶
JupyterLab是Jupyter Notebook的新一代交互式计算环境，旨在提供更强大的功能和更灵活的用户界面。 与Jupyter Notebook不同，JupyterLab更像是一个完整的集成开发环境， 用户可以在同一个窗口中同时打开多个笔记本、终端、文件浏览器和数据视图。 这使得JupyterLab更适合于整个数据科学工作流程的管理和组织。
JupyterLab拥有许多与Jupyter Notebook相似的功能，但还有许多新的功能被引入。 例如，JupyterLab支持在同一个界面中拖拽和调整不同组件的布局，使得用户可以更自由地组织他们的工作环境。 此外，JupyterLab还支持通过插件添加新的功能和视图，用户可以根据自己的需求来自定义他们的开发环境。
以下是一个简单的JupyterLab示例：
# 导入pandas库
import pandas as pd
# 读取csv文件
data = pd.read_csv('data.csv')
# 显示数据前几行
data.head()
虽然Jupyter Notebook和JupyterLab都是基于Web的交互式计算环境，但它们之间存在一些重要的区别。 内容如下：
用户界面：Jupyter Notebook使用单个笔记本界面，而JupyterLab提供了一个更灵活的多窗口界面， 允许用户在同一个界面中同时打开多个笔记本、终端和数据视图。
布局：Jupyter Notebook的布局是固定的，用户只能上下排列单元格。 而JupyterLab支持拖拽和调整不同组件的布局，使得用户可以更自由地组织他们的工作环境。
可扩展性：JupyterLab具有更好的可扩展性，支持通过插件添加新的功能和视图。 用户可以根据自己的需求来自定义他们的开发环境。
虽然JupyterLab是Jupyter Notebook的继任者，但是目前仍然有很多用户在使用Jupyter Notebook。 这是因为Jupyter Notebook已经存在多年，具有丰富的生态系统和大量的插件支持。 此外，许多用户对Jupyter Notebook的用户界面已经很熟悉，迁移到新的环境需要一些成本。
3.2.3. 使用 Jupyter Notebook 方式¶
Notebook的编辑界面可选择2种打开方式，分别是：“Open in Notebook“ 和“Open in NbClassic“。 具体的使用方式此处不作介绍，建议使用JupyerLab方式。
图 3.3 以其他方式打开Jupyter文件¶
3.2.4. 小结¶
从上述对比中我们可以看出，JupyterLab在多个方面都表现出了相较于Jupyter Notebook的显著优势：
更灵活的界面设计：JupyterLab的多面板应用模式使其操作起来更像桌面应用，提升了用户体验。
更强的交互性和扩展性：JupyterLab不仅提供了更多的交互组件和工具，还拥有一个极易扩展的系统， 方便用户根据需要集成新功能。
更全面的文件管理和实时协作功能：JupyterLab的文件管理器支持拖放和上下文菜单， 同时提供了更好的实时协作功能，使得团队协作更加便捷。
强化的数据可视化支持：JupyterLab集成了更多数据可视化和交互工具，满足了用户在数据分析方面的更高需求。
尽管JupyterLab在多个方面都超越了Jupyter Notebook， 但Jupyter Notebook仍然拥有庞大的用户社区和广泛的兼容性。 因此，在选择使用哪种工具时，需要根据具体需求和使用场景来进行权衡。