JetBrains DataSpell for Mac 是由 JetBrains 开发的一款新型的数据挖掘分析代码编辑器，DataSpell 从一开始就为数据专业人士提供了必备工具。支持 Python、dbt Core、SQL 与数据库、Jupyter、Git、Conda 等技术，让您能够在一个地方直接使用丰富的工具集关注数据，轻松将数据转化为洞察，深受全世界领先数据团队的信赖。有需要的小伙伴们可以下载使用一下。
JetBrains DataSpell 2023 for Mac 数据挖掘分析代码编辑器
DataSpell 的用户界面专为更有效地处理数据而设计，提供低代码功能和易于访问的关键功能。它具有对 SQL 单元的支持、可快速访问描述性统计数据的交互式表、无代码图表可视化和 AI Assistant 等 – 这些功能旨在加快数据操作和分析。
DataSpell 简化了潜在代码和数据问题的识别与解析，包括通过识别缺失值和提供数据分布直方图以供轻松检测异常值。它结合了 dbt Core 来促进工程最佳做法，例如数据工作流中的测试和文档记录。借助出色的 Python 和 SQL 支持、实时错误检查和高级代码质量功能，您的代码将保持整洁高效。
软件特征
交互式表
轻松查看、导航、排列和筛选数据。创建图表并访问关键数据洞察，包括描述性统计和缺失值 – 完全无需编写代码。利用 AI Assistant 释放数据的力量，让从数据到洞察的旅程更加顺畅。使用 Python 或 SQL 单元、在 Python 控制台或单独窗口中处理 Jupyter Notebook 中的表。
智能 Jupyter Notebook 和集成式 SQL 支持
在 DataSpell 中轻松使用本地和远程 Notebook。在一个统一的智能 Notebook 中使用 SQL、Python 或无代码。通过 Structure（结构）视图无缝导航，点击几下将 Notebook 轻松转换为 Python 脚本，使用带有预安装库的项目模板加快设置速度，体验与已选配色方案相匹配的美观图形和可视化效果等。
对 Python 的一流语言支持
DataSpell 增强了数据工作的主要语言 Python，提供出色的支持以确保速度和准确性。您可以受益于智能代码补全、PEP 8 合规性检查、智能重构和多种检查。DataSpell 以 Python 为核心，将让您自信地编写代码并高效交付高质量结果。
SQL
DataSpell 以高级自动补全和便捷架构导航提供卓越的 SQL 支持，将您连接到超过 40 个 SQL 和 NoSQL 数据库，包括 PostgreSQL 和 MySQL。在 Jupyter Notebook 或专属控制台中通过 SQL 单元快速查询数据库，使用或不使用代码轻松可视化、查看或更改数据。
dbt Core
使用面向数据分析工程师的重要工具 dbt Core 在 DataSpell 中轻松转换数据。创建 dbt 项目，轻松编写、测试和部署 dbt 模型。获得 SQL 和 YML 文件的智能补全，并借助捆绑的数据库插件直接在 IDE 中查看更改。
Git 支持
轻松克隆、提交和推送更改。使用分支，管理更改列表，以及暂存更新。使用可视化合并工具轻松合并文件，并排比较和高亮显示更改。
R 支持
享受智能编码辅助、数据集和可视化探索、软件包管理等。
DataSpell 中的 AI Assistant
除您本人以外，还有谁最了解您的项目？您的 IDE！这就是 AI Assistant 具备此般上下文感知能力且大有裨益的原因。它可以帮助您更快地完成任务并提高工作效率。
版本2023.3更新内容
DataSpell 2023.3：AI Assistant、dbt 支持、SQL 单元、交互式表工作效率增强功能等
AI Assistant 正式版
JetBrains AI Assistant 现已全面推出，搭载大量新功能和改进，助力提高您在 JetBrains IDE 中的工作效率。
使用 JetBrains AI Assistant 深入了解 DataFrame！
现在，Explain code（解释代码）功能可用于轻松探索 DataFrame。 通过 Jupyter Notebook 和 Python 脚本中的上下文菜单，或者点击交互式表右上角的 AI Assistant 图标，即可访问此工具。 激活后，AI Assistant 将收到有关您的数据集的基本信息，例如列名称和描述性统计。 这使助手能够提供有关 DataFrame 的详细信息和分析。 此外，您还可以选择与助手进行长时间对话来探索更深入的分析。
引入 dbt Core 支持
DataSpell 现已提供对 dbt Core 的支持，后者是一种在数据社区中越来越受欢迎的新型数据转换框架。 dbt Core 简化了数据转换过程，并鼓励数据分析中的最佳工程做法，例如模块化、测试和文档。 已经熟悉 SQL 的使用者可以轻松上手。
SQL 和 Python
除了捆绑的数据库工具和 SQL 插件提供的既有强大 SQL 支持之外，DataSpell 通过引入 SQL 单元显著增强了 SQL 与 Python 之间的连接。 类似于 Python 或 Markdown 单元，SQL 单元现在可在 Jupyter Notebook 中使用。 使用 SQL 单元，您可以从数据库轻松检索数据，它将自动转换为 pandas DataFrame，供您在 Notebook 中直接使用。 此外，智能代码补全功能完全适用于 SQL 代码和 SQL 对象（包括表和列），可以增强您的 SQL 编码体验。 创建 SQL 单元相当简单：只需点击 Add SQL Cell（添加 SQL 单元）。
表内统计
DataFrame 描述性统计数据的简化访问可以帮助数据专员显著提高效率。 在 DataSpell 中，这个过程更加人性化。 现在，您可以直接在表头中轻松访问基本数据洞察，例如缺失值、平均值、标准差等。 Jupyter Notebook 和 Python 脚本均提供此功能，支持 pandas 和 Polars。 此外，您可以通过浏览表头中的图标轻松确定各列的数据类型。
分类数据分布统计
处理分类数据时，您可以在交互式表中轻松查看分布。 此功能可用于快速观察最常出现的值的列表及其百分比。 如果有大量唯一值，您可以轻松获取列中这些不同条目的总数。
……
详细更新日志：https://www.jetbrains.com/zh-cn/dataspell/whatsnew/
系统要求：macOS 10.14.0 或更高版本，兼容 Intel 和 Apple Silicon 处理器
评论0