Marimo 开源项目教程
2024-09-13 16:56:09作者:吴年前Myrtle
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。
登录后查看全文
热门项目推荐
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript038RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统Vue0410arkanalyzer
方舟分析器:面向ArkTS语言的静态程序分析框架TypeScript040GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。03CS-Books
🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~013openGauss-server
openGauss kernel ~ openGauss is an open source relational database management systemC++0145
热门内容推荐
1 freeCodeCamp全栈开发课程中关于HTML可访问性讲座的字幕修正2 freeCodeCamp 个人资料页时间线分页按钮优化方案3 freeCodeCamp CSS颜色测验第二组题目开发指南4 freeCodeCamp课程中"午餐选择器"实验的文档修正说明5 freeCodeCamp国际化组件中未翻译内容的技术分析6 freeCodeCamp Cafe Menu项目中的HTML void元素解析7 freeCodeCamp平台证书查看功能异常的技术分析8 freeCodeCamp猫照片应用教程中HTML布尔属性的教学优化建议9 freeCodeCamp 前端开发实验室:排列生成器代码规范优化10 freeCodeCamp课程中"构建电子邮件掩码器"项目文档优化建议
最新内容推荐
Visual-RFT项目中模型路径差异的技术解析 Beyla项目中的HTTP2连接检测问题解析 Microcks在OpenShift上部署Keycloak PostgreSQL的权限问题解析 RaspberryMatic项目中HmIP-BWTH温控器假期模式设置问题分析 Lets-Plot 库中条形图标签在坐标轴反转时的定位问题解析 BedrockConnect项目版本兼容性问题解析与解决方案 LiquidJS 10.21.0版本新增数组过滤功能解析 Mink项目中Selenium驱动切换iframe的兼容性问题分析 Lichess移动端盲棋模式字符串优化解析 sbctl验证功能JSON输出问题解析
项目优选
收起

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
51
15

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
566
410

React Native鸿蒙化仓库
C++
125
208

openGauss kernel ~ openGauss is an open source relational database management system
C++
75
145

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
430
38

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
98
253

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
693
91

FOLib 是一个为Ai研发而生的、全语言制品库和供应链服务平台
Java
42
2

🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~
97
13

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
298
1.03 K