在 VS Code 中使用 AI 编辑 Jupyter Notebook
Visual Studio Code 原生支持使用 Jupyter Notebook，并通过 Python 代码文件提供支持。VS Code 中的 AI 功能可以帮助你创建和编辑 Notebook，以及分析和可视化数据。在本文中，你将学习如何在 VS Code 中使用 AI 功能来处理 Jupyter Notebook。
搭建新的 Notebook
为了加快新 Notebook 的上手速度，你可以使用 VS Code 中的 AI 功能来搭建一个新的 Notebook。使用自然语言提供你想要添加的功能和想要使用的库的详细信息。
要使用 AI 创建新的 Notebook，请选择以下任一选项
-
在聊天输入框中键入
/newNotebook斜杠命令，然后是要创建的 Notebook 的详细信息。示例提示
/newNotebook 使用 pandas 和 seaborn 读取并可视化 titanic 数据集。显示数据集中的关键信息。/newNotebook /newNotebook 分析 housing.csv 文件中的数据。
-
切换到代理模式，然后输入自然语言提示，要求创建一个新的 Notebook。
示例提示
创建一个 Notebook 来读取 #housing.csv 中的数据并绘制价格分布图。创建一个 Jupyter Notebook 来读取 #housing.csv 中的数据。运行所有单元格。
以下截图显示了代理模式对提示“创建一个 Jupyter Notebook 来读取 #housing.csv 中的数据”的输出（你可以从 Kaggle 获取此数据集）。
请注意，创建了一个新的 .ipynb 文件，其中包含用于读取 CSV 文件和显示数据前几行的 Markdown 和代码单元格。
现在你可以手动进一步编辑 Notebook，或者使用 AI 进行内联编辑或发送后续聊天请求来修改 Notebook。
在 Notebook 单元格中进行内联编辑
如果你已经有一个 Notebook 并想在单元格中进行一些内联更改，你可以像在代码文件中一样使用内联聊天。
要在单元格中进行内联编辑，请按 ⌘I（Windows、Linux Ctrl+I）。这将打开内联聊天视图，你可以在其中输入提示。
你可以在聊天提示中引用内核变量。键入 # 后跟变量名来引用它。例如，如果你有一个名为 df 的变量，你可以在聊天提示中键入 #df 来引用它。
当生成响应时，请注意 Notebook 单元格中的代码已更新。你可以接受更改并决定接受并运行单元格更改。
要使用 AI 生成新单元格，请在 Notebook 视图中选择生成按钮，或者不要聚焦于单元格，然后按 ⌘I（Windows、Linux Ctrl+I）以打开新单元格的内联聊天视图。
跨多个单元格进行编辑
要进行跨多个单元格的大规模编辑，你可以在聊天视图中切换到代理模式。提供一个提示以请求更改 Notebook，代理模式将遍历任务以实现更改。
示例提示
- 绘制价格分布图
- 在可视化和处理数据之前，请确保数据已清理。
- 显示数据集中不同特征之间的相关性。
- 使用 matplotlib 而不是 seaborn 来绘制数据。
- 删除数据集信息的显示。
请注意，你可以使用叠加控件在不同的编辑建议之间导航，以及保留或撤消更改。
询问关于 Notebook 内容的问题
你可以使用聊天界面询问关于 Notebook 内容的问题。这对于获取代码、数据或可视化的解释很有用。你可以向聊天请求添加额外的上下文，例如单元格输出、图表或错误。
以下示例显示了如何询问关于 Notebook 中可视化的问题。
-
选择图表旁边的
...，然后选择将单元格输出添加到聊天以将图表作为上下文添加到你的聊天请求中。
-
在聊天输入字段中输入提示“解释此图表”。
请注意，你将获得图表的详细解释。
执行数据分析和可视化
你可以使用聊天中的代理模式对数据集执行完整的数据分析和可视化 Notebook。代理模式会分析数据集，然后搭建新的 Notebook，实现用于执行数据分析的代码，并运行单元格以处理和可视化数据。根据需要，代理模式会调用相关的工具和终端命令来完成其任务。
例如，要对 housing 数据集执行数据分析
-
在聊天中打开代理模式。
-
在聊天输入字段中输入以下提示：对 #housing.csv 中的数据执行数据分析。
请注意，代理模式会遍历不同的任务。需要时，请批准工具和命令调用。
-
结果是一个新的 Notebook，其中包含对数据集的完整数据分析，包括数据清理、数据可视化和统计分析。
现在你可以手动进一步编辑 Notebook，或者使用 AI 进行内联编辑或发送后续聊天请求来修改 Notebook。