DataSpell 2024.1：全行代码补全、通过 SQL 单元查询 DataFrame、Import Data（导入数据）单元、dbt 支持改进
我们的 ML 团队增强了驱动 Python 的 ML 辅助全行代码补全的本地模型，现在模型可以生成更长的建议并考虑更多上下文，同时不会将数据发送到互联网并且完全免费。
在 DataSpell 2024.1 中，您现在可以直接在 Jupyter Notebook 中编写 SQL 来查询 DataFrame 和 CSV 文件。 我们引入了 Import Data（导入数据）单元，这是 DataSpell 中的新单元类型。 您可以将文件拖放到表格数据中，轻松开始处理。
最新更新显著增强了 dbt Core 支持。 您现在可以直接在 DataSpell 中查看图表。 我们为 dbt Core 项目改进了代码补全，现在您可以直接从 SQL 文件轻松运行、预览和测试模型。
从我们的网站下载新版本的 DataSpell，直接从 IDE 或通过免费的 Toolbox App 更新，或使用 Ubuntu 的 snap 包。
我们的 ML 团队显著改进了驱动 Python 的 ML 辅助全行代码补全的本地模型。 全行代码补全会生成更长的建议并考虑更广泛的上下文，进而提供更好的建议并减少输入。 这款纯本地模型提供代码建议和整行代码，不会将任何数据发送到外部服务器。
在 DataSpell 2024.1 中，您可以直接从 Jupyter Notebook 编写 SQL 来查询 DataFrame 和 CSV 文件。 为此，首先创建 SQL 单元，选择 DataFrame 作为数据源，然后编写查询，享受出色的 SQL 编码辅助。
Import Data（导入数据）单元是 DataSpell 2024.1 中 Jupyter Notebook 的另一个新功能。 将包含表格数据的文件拖放到 Import Data（导入数据）单元上，然后使用可视化控件或 Python 代码即可开始处理。
最新版本为现有 dbt 支持引入了多项更新：
DAG 是面向分析工程师的强大工具，在此版本中，您可以直接在 DataSpell 中查看图。 导航也已简化，在 DAG 中点击节点即可。
dbt Core 项目的代码补全得到显著改进，Jinja、模型名称、列名、YAML 文件等的补全获得更新。
您现在可以直接从 SQL 文件轻松运行、预览和测试任何模型， 点击装订区域并从可用选项选择即可。
我们希望您喜欢这些新功能。 想要及时了解最新功能并接收 DataSpell 和数据分析技巧吗？ 请订阅我们的博客并在 X（以前称为 Twitter）上关注我们！ 如果您遇到了 bug 或有功能建议，请在我们的问题跟踪器中分享。