<code>PyCharm</code>开发公司<code>jetbrains</code>专门面向数据科学的ide项目<code>DataSpell</code>在前不久发布了其<code>EAP</code>版本（早期预览版本），为我们带来了诸多趋于成熟的功能特性，本文就将为大家介绍其使用方式及主要的一些功能。
你可以在官网<code>https://www.jetbrains.com/dataspell/</code>下载适合你系统的安装包，然后像其他<code>jetbrains</code>系列产品那样进行安装：
在安装过程中可以勾选对<code>ipynb</code>文件的关联，使得我们直接双击<code>ipynb</code>文件就可以自动打开到<code>DataSpell</code>：
安装完成之后，打开<code>DataSpell</code>，可以先进行诸如<code>conda</code>环境配置等选项：
以及对一些辅助插件的安装，譬如智能代码补全插件<code>TabNine</code>：
进入操作界面后，整个界面风格跟<code>pycharm</code>等如出一辙，不同的是，在<code>setting</code>中可以进行<code>R</code>环境的配置，可见其专门面向数据科学的特点：
亦可创建诸多数据科学场景中常见格式的文件：
支持本地、远程多种方式的<code>jupyter</code>服务连接：
在对<code>jupyter notebook</code>的支持上做得还是比较到位，兼容了几乎所有快捷键，除了按<code>Z</code>撤回单元格操作，按<code>shift+ctrl+i</code>在光标处拆分单元格等部分快捷键需要手动设置：
对<code>matplotlib</code>、<code>plotly</code>等主流绘图库的支持也很不错：
而对于<code>R</code>的支持也很不错，可以像<code>Rstudio</code>那样对脚本中的代码使用<code>ctrl+enter</code>进行运行和查看结果：
包括对<code>R</code>包的图形界面化管理：
可以看出，<code>DataSpell</code>对于通吃数据科学领域主流需求的野心还是很大的，<code>DataSpell</code>面向<code>jupyter</code>的诸多功能尤其是高速灵敏的代码提示让我很舒服，但对于<code>R</code>的支持方面，我很难找出放弃使用<code>Rstudio</code>而转向<code>DataSpell</code>的理由😁，读者朋友们也可以自行下载体验，更深入的感受<code>DataSpell</code>。
以上就是本文的全部内容，欢迎在评论区与我进行讨论。