俗話說，磨刀不誤砍柴工，要想闖蕩編程世界，一套趁手的編輯器是必不可少的。對 Python 語言的使用者來說，不論你是剛開始學習編程知識的萌新小蛇，還是已經有了許多編程經驗的巨蟒大佬，今天介紹的這款神器，一定能給你的學習、工作帶來許多助益。
——當然，前提是你能正常訪問 Google 的服務。
我需要什麼樣的編輯器？
世上並不存在絕對完美的編輯器，但就日常使用需求而言，起碼需要滿足以下幾點，才算是一款「老少鹹宜」的優秀的編輯器：
1.安裝配置難度低
用戶不需要很複雜的設置或調整系統選項，就能運行良好。相比之下，一些功能強大的專業 IDE 例如 Eclipse 就需要耗費許多時間進行安裝和配置。
2.易用性好
學習曲線一定要平緩，不能一來就把新用戶給嚇跑了。VIM 編輯器可以說是非常厲害了，然而第一次使用的時候，你可能連退出都搞不定。
3.功能強大
除了必備的代碼著色，各種運行調試功能也不能少。想來應該不會有人用記事本寫代碼吧？
4.包括版本管理或團隊協作功能
其實這算是一個錦上添花的功能，團隊協作能讓多人共同完成任務，版本控制可以讓你方便地追蹤回退你的代碼版本，這也為開發大規模應用打下良好的基礎。
好了，賣了這麼多關子，下面容我向你鄭重推薦這款超強的 Python 編輯器——Google Colaboratory！
這就是個網頁！？
沒錯，Colab 是一個免費的 Jupyter Notebook 環境（你可以想成是網頁版多功能筆記本），它不需要進行任何設置就可以使用，並且完全在雲端運行。
你可以在這個網頁上編寫和執行代碼、保存和共享分析結果，並利用 Google 提供的強大計算資源處理數據，所有這些都可通過瀏覽器免費使用。
別不相信，我這就帶你詳細了解一下：
01
界面友好
在詳細介紹它的強大功能之前，我們先來認識一下 Colab 的界面。
和 Jupyter Notebook 一樣，Colab 的編輯界面也是以「單元格」為基本單位，每個單元格都是「代碼」或「文字」其中之一。
代碼單元格自帶代碼著色，可以開啟行號顯示、縮進字符調整等功能，還能直接在頁面上運行代碼，運行結果會直接顯示在代碼單元格下方。除了 Python 代碼外，Colab 還支持解析 html 標記，運行 bash 命令等。
如果代碼有問題，則會顯示一些精心著色並格式化了的錯誤信息，幫助你找到出錯的地方——甚至還很貼心地提供了一個「一鍵求助」按鈕，讓你能在 stackoverflow.com 上搜索對應的出錯信息。
文字單元格用於在代碼之間添加描述性文字，你可以用它解釋代碼內容、做筆記、寫論文，你可以用 Markdown 標記語言來給單元格內的文字添加格式，甚至插入圖片等。
這種圖文並茂，代碼和數據交相輝映的顯示方式，非常適合學習 Python 的新手，以及搞數據分析的科學家們。
怎麼樣，在這樣的界面上寫代碼是不是很簡潔明快呀？
此外，作為一個網頁版的編輯器，它無需安裝和過多配置，基本上達到了「開箱即用」，寫完就能運行的效果，降低了初學者入門的門檻，也節省了老手開始工作前的配置時間。再加上雲服務天生的跨平臺跨設備特性，不管是臺式機、筆記本、平板電腦甚至手機，只要有網絡的地方，你都能隨時繼續手頭的工作，絕對不會丟失數據。
02
功能強大
在平易近人的外表下，隱藏的是一顆強大的芯。
在代碼中，你不但可以用 Python 語言引入各種標準庫供你使用，還可以利用 bash 語言的支持，手動安裝你需要的各類第三方庫。甚至連數據分析用的 Pandas、Numpy，機器學習的 TensorFlow 等都已經內置了。
不僅如此，和跑在自己電腦上的 Jupyter Notebook 環境最大不同之處是，Colab 使用的是 Google 的後臺運行時服務，這就相當於你擁有了一臺隨時待命的專屬伺服器。這個伺服器自帶有 12G的內存和50G的硬碟空間，用於容納、處理你的數據和代碼。
比如，當你在坐車或者是無聊的會議當中的時候，突然想到一個點子，「我這樣構建我的模型行不行？」在以往，只有輕便的上網本或者手機的時候，雖然這些設備的算力可以解決一些微小數據集上的問題，但如果要將模型用於大數據集的時候肯定是需要額外算力的。那麼在 5G 網絡等等的基礎上，你可以用手機通過 Colab 直接連上伺服器，用 Google 的算力來運算你對模型的調整。
為了用戶能更高效地運行調整機器學習代碼，Google 還提供了一些 GPU（Tesla K80）和 TPU（據說是八核心的TPU v2）的加速硬體，你只需要在筆記本設置裡啟用，就可以用到這些額外的運算能力——按照機器之心網站的測試，用 CPU 迭代一次需要運行 2.44 秒的代碼，用 GPU 只需要約 280 毫秒，而通過修改代碼調用 TPU 進行運算，類似的工作量只需要 1.22 毫秒！這幾乎快了 2000 倍呢！
最後，Google Colab 最大的優勢還在於，它通過雲計算讓用戶擺脫了裝備的限制，再也不用擔心自己的電腦太爛，不管什麼設備，只要能連上 Google 的網絡服務，就可以使用雲端的虛擬機，處理雲端的數據集。
當然，如果你嫌 Google 提供的運行時不夠快，或是需要長時間掛著執行高速運算，你也可以在界面上選擇連接到電腦本地的代碼執行程序，用你自定義的軟體/硬體來處理你存放在 Colab 上的代碼。
03
協作與代碼管理
實時協作可以算是 Google 一向的強項啦。在 Colab 裡，你可以像分享普通的 Google 文檔或電子表格一樣，通過郵件邀請或是分享連結的方式，讓其他人閱讀/參與到你的代碼工作中來。
你也可以通過往 Google 雲端硬碟上傳/下載筆記本文件（.ipynb）的方式，分享、保存、發送你的筆記本的所有內容（文本、代碼和輸出項）。當然，你可以在「筆記本設置」裡選擇在保存或分享筆記本時忽略代碼單元格輸出項，讓頁面更加簡潔。
此外，Colab 還支持基於檢查點的歷史版本管理，你可以方便地回退歷史記錄，查詢修改情況，還能接入 Github 代碼庫，把代碼上傳到 Github 倉庫或者 gist 裡，管理、共享你的代碼和分析成果。
04
有趣的小彩蛋
最新版本的 Colab 支持換膚功能（……），你可以在設置裡選擇深色或者淺色的主題背景（據說深色主題能大大增強你的編程水平），選擇柯基模式會讓你的標題欄出現兩隻奔跑的柯基，選擇威力等級（超強power模式），可以讓你的每次鍵盤輸入都震動整個窗口……
我能用它做什麼？
如果你是剛開始學習 Python 的新人，那它是你入門學習語言的最好工具之一。無需安裝配置，即開即用的 Python 環境，能讓你方便快捷地測試自己的學習代碼，並且在同一個頁面裡直觀地看到程序的輸出內容。這能夠極大地加快試錯和探索的速度，讓你更快地掌握新語言的特性。
如果你是計算機專業的教師，Colab 甚至提供了一套布置、批改作業的系統，利用筆記本能把題目、代碼、運行結果整合在同一個頁面上的功能，你可以方便地查看每道問題的作答情況，並對具體單元格進行審閱、批註、打分。
如果你是計算機科學家，Colab 這種自帶雲計算、方便協作的環境能極大地提高你的工作效率。
在數據分析方面，Google 給出了在 Colab 裡使用 Pandas 處理數據，並進行分析的詳細教程，你可以使用類似的方法讀取在線數據集中的數據，並進行分析。
在神經網絡框架方面，TensorFlow 官方就放出了幾個例子，其中讓人最印象深刻的是在 Colab 上調用神經網絡自動分析圖像識別癌症的實例。
此外，對於機器學習的研究者，在實際工作中往往會遇到「在什麼時候該用什麼樣的模型」的問題，特別是在調試具體模型時，往往會有很多操作細節是調用者所不明白的。在這種情況下，雲計算埠能夠提供的是一個合作的窗口，通過共享工作筆記本的形式，其他人可以直接對你的模型提出具體的調整建議。
怎麼樣，對這個超強的「大玩具」，你心動了嗎？
*感謝 @政委祖爾阿巴 的想法分享
參考資料和圖片來源：
1.這件神器，每個 Python 學習者都值得一試
2.[官方文檔]歡迎使用 Colaboratory！
3.[官方推特]@GoogleColab
4.機器之心網站
5.pixabay.com
優達學城（Udacity）是由 Google 無人車之父 Sebastian Thrun 創立的終身學習平臺，與 Google、Facebook、騰訊微信等打造前沿技術課程，讓你在家學習數據分析、深度學習、無人駕駛等核心技能。
歡迎個人轉發到朋友圈
太厲害了！