Marimo 开源项目教程

项目介绍

Marimo 是一个开源的 Python 笔记本项目，旨在提供一个可重复、Git 友好、可作为脚本执行并可作为应用共享的编程环境。Marimo 的核心特性包括：

• 反应式编程环境：Marimo 确保笔记本代码、输出和程序状态的一致性，解决了传统笔记本（如 Jupyter）中手动重新运行单元格的错误问题。
• 交互式 UI 元素：支持绑定滑块、表格、图表等 UI 元素到 Python 代码，无需回调。
• 可重复性：Marimo 没有隐藏状态，执行顺序确定，内置包管理。
• 可执行性：笔记本可以作为 Python 脚本执行，并可通过 CLI 参数进行参数化。
• 可共享性：可以部署为交互式 Web 应用或幻灯片，并支持在浏览器中通过 WASM 运行。

项目快速启动

安装

首先，确保你已经安装了 Python 环境。然后，通过 pip 安装 Marimo：

pip install marimo

或者使用 conda 安装：

conda install -c conda-forge marimo

创建和编辑笔记本

安装完成后，你可以通过以下命令创建或编辑笔记本：

marimo edit

运行应用

你可以将笔记本作为 Web 应用运行，隐藏 Python 代码并使其不可编辑：

marimo run your_notebook.py

执行脚本

将笔记本作为脚本在命令行中执行：

python your_notebook.py

自动转换 Jupyter 笔记本

Marimo 还支持自动将 Jupyter 笔记本转换为 Marimo 笔记本：

marimo convert your_notebook.ipynb > your_notebook.py

应用案例和最佳实践

数据分析

Marimo 非常适合用于数据分析任务。你可以使用 Marimo 的反应式特性来实时更新图表和数据视图，而无需手动重新运行代码。

import marimo as mo
import pandas as pd

# 创建一个数据框
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 显示数据框
mo.output(df)

机器学习模型训练

在机器学习项目中，Marimo 可以帮助你实时监控模型训练过程，并动态调整超参数。

import marimo as mo
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 加载数据
X, y = load_data()
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建模型
model = LinearRegression()
model.fit(X_train, y_train)

# 显示模型评分
mo.output(f"模型评分: {model.score(X_test, y_test)}")

典型生态项目

数据可视化

Marimo 可以与 Matplotlib、Plotly 等数据可视化库无缝集成，提供丰富的图表展示功能。

import marimo as mo
import matplotlib.pyplot as plt

# 创建一个简单的图表
plt.plot([1, 2, 3], [4, 5, 6])

# 显示图表
mo.output(plt.gcf())

数据库查询

Marimo 内置 SQL 引擎，支持对数据框、数据库、CSV 文件等进行 SQL 查询，并将结果返回为 Python 数据框。

import marimo as mo
import pandas as pd

# 创建一个数据框
df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [24, 27, 22]
})

# 执行 SQL 查询
result = mo.sql("SELECT * FROM df WHERE age > 25")

# 显示结果
mo.output(result)

通过以上教程，你应该已经掌握了 Marimo 的基本使用方法。Marimo 的灵活性和强大功能使其成为数据科学和机器学习项目的理想选择。