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Windows7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。

还针对Anaconda这一Python运行环境的安装和运行，专门录制了视频。

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Windows10。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Python2.7版本Anaconda。来到现场，一看需要Python3.6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，甚至是网络拥塞问题。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？》一文中说过的，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？

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GoogleChrome,Firefox,Safari和MicrosoftEdge等)就行。

IE8.0？

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Windows10，你就是用iPad，都能运行代码。

尝试

看看会发生什么？

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。

然后，你就能看到熟悉的Python代码运行界面了。

这个界面来自JupyterLab。

你可以将它理解为JupyterNotebook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；

提供实时渲染的Markdown编辑器；

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。

连图像也能正常显示。

甚至连下面这种需要一定运算量的可视化结果，都没问题。

为了证明这不是变魔术，你可以在新的单元格，写一行输出语句。

就让Python输出你的名字吧。

假如你叫Chuck，就这样写：

print("Hello,Chuck!")

把它替换成你自己的姓名，看看输出结果是否正确？

其实，又何止是iPad而已？

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。

流程

下面我给你讲讲，这种效果是怎么做出来的。

我们需要用到一款工具，叫做mybinder。它可以帮助我们，把github上的某个代码仓库(repo)，快速转换成为一个可运行的环境。

注意mybinder为我们提供了云设施，也就是计算资源和存储资源。因此即便许许多多的用户同时在线使用同一份代码转换出来的环境，也不会互相冲突。

我们先来看看，怎么准备一个可供mybinder顺利转换的代码仓库。

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？(Spacy与WordEmbedding)》。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JupyterNotebook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。

JupyterNotebook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-mspacydownloaden

python-mspacydownloaden_core_web_lg

python-mipykernelinstall--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。

在“GitHubrepoorURL”一栏，填写我们的github代码仓库链接，即：

https://github.com/wshuyi/demo-spacy-text-processing

我们希望一进入界面，就自动打开demo.ipynb，因此需要在“Pathtoanotebookfile(optional)”一栏填写demo.ipynb。

这时，你会发现“CopytheURLbelowandshareyourBinderwithothers:”一栏中，出现了你的代码运行环境网址。

https://mybinder.org/v2/gh/wshuyi/demo-spacy-text-processing/master?filepath=demo.ipynb

点击右侧的“复制”按钮保存到你的记事本里面。将来找到你转换好的运行环境，就全靠它了。

妥善保存地址后，点击“Launch”按钮。

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。

很有成就感吧！

测试一下，能够正常运行代码，就证明我们成功了。

但是你会发现，不对啊！

老师你刚才用iPad展示的，不是高级版的JupyterLab吗？怎么又变成了JupyterNotebook了？

我也想要高级版！

别着急。

看看你目前的链接地址：

https://mybinder.org/v2/gh/wshuyi/demo-spacy-text-processing/master?filepath=demo.ipynb

你只需要做个小小的调整，将其中的：

?filepath=

替换为：

?urlpath=lab/tree/

替换后的链接为：

https://mybinder.org/v2/gh/wshuyi/demo-spacy-text-processing/master?urlpath=lab/tree/demo.ipynb

把它输入到浏览器，看看出来的结果：

这下没问题了吧？

原理

你是不是觉得，mybinder很黑科技？

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：

可以看到，其中最为关键的技术，是用了docker。

Docker是个什么东西呢？

简单来说，Docker就是为了不同平台上，都能够顺利执行同一份代码的保障工具。

你有些犹疑，这说的不是Java吗？

没错，Java的宣传口号，就是一次编码，各处运行。

它利用虚拟机，来保障这种能力。

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。

上图中，左侧是虚拟机，右侧是Docker。

Docker不但效率上要强过Java虚拟机，而且它支持的编程语言也不仅仅是一种。

至于其他好处，咱们就不展开了。否则听起来像广告。

其实，把github代码仓库转换为docker镜像(image)的工作，也不是mybinder自己来做的。

而你的浏览器能够执行Python代码，是因为JupyterNotebook(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：

jupyterlab

会出现什么？

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。

学过R的同学，请点击这个链接(http://t.cn/R3JLY2S)，看看有什么惊喜。

小结

总结一下，本文为你讲述了以下内容：

如何利用mybinder，把一个githubrepo一键转换成JupyterLab运行环境；

如何在各种不同操作系统的浏览器上，运行该环境，编写、执行与修改代码；

mybinder转换githubrepo的幕后英雄docker简介。

我希望你能想到的，不仅仅是这点儿简单的用途。

提几个问题给你，作为思考题：

如果代码执行都在云端完成，教学实验室机房还有没有必要预装一大堆软件，且不定期更新维护？

学校的编程练习、作业和考试有没有可能通过这种方式，直接远程进行，并且自动化评分？

既然应用的技术都是开源的，你有没有可能利用这些开源工具搞个创业项目。例如提供深度学习环境，租赁给科研机构与创业公司？

期待你举一反三，做出有趣又有意义的创新来。

讨论

在iPad上运行Python代码的感觉怎么样？你用过类似的产品吗？你觉得有了这种技术，在日常工作和学习中，还可以有哪些有趣的应用场景？欢迎留言，把你的经验和思考分享给大家，我们一起交流讨论。

如果你对我的文章感兴趣，欢迎点赞，并且关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。

如果本文可能对你身边的亲友有帮助，也欢迎你把本文通过微博或朋友圈分享给他们。让他们一起参与到我们的讨论中来。

延伸阅读