这个学期，我在北得克萨斯大学（University of North Texas）教「INFO 5731: Computational Methods for Information Systems」课程，主要内容包括： Python 基础、自然语言处理，以及机器学习。
授课的对象是信息科学、数据科学专业的硕士与博士研究生。跟在国内一样，我依然使用翻转教学（flipped instruction）方式。过去的几周，我们把「Python 基础」部分学完了。每周，我都会要求学生在课前阅读两本教材上的指定章节，然后把所有的代码自己重复一遍。在此基础上，对每一段代码，学生都要自己试着进行一些改动。出错也没有关系，尝试解决。
因为绝大部分学生，都是 Python 初学者。因此他们都会遇到以下的实际问题：
- 不知道如何安装和设置运行环境；
- 遇到问题会慌乱，不知如何有效寻找解决方法；
- 对于团队作业，不知该如何有效协作；
- 不懂得如何进行版本控制，代码越改越乱。
这些问题，也构成了学生的痛点。如果不能有效加以解决，学生会把每周宝贵的学习时间，浪费到许多琐碎的无用功上。更可能的情况，是他们的信心会被打击，导致丧失学习的动力和兴趣。
因此，我为他们找到了一款合适的 Python 练习工具。这里，我把这款工具也分享给你。
这款工具，就是 Google Colab 。我曾经在《如何免费云端运行Python深度学习框架？》一文中为你介绍过它，在《如何用 Python 和循环神经网络做中文文本分类？》和《如何用 Python 和循环神经网络预测严重交通拥堵？》里，我也曾用它给你做过代码的展示。
下面，我给你们介绍一下如何用 Google Colab 应对上述的 4 个痛点，为你的 Python 练习提供辅助。
环境
新手最常见的问题，就是好不容易累积了学习的兴趣，上手不久便遇到报错。而 Python 新手遇到的许多错误，实际上都和环境的配置有关。例如说，Anaconda 套件下载环节，你就不知道该选择哪个版本。
好不容易安装好了，因为路径设置问题，连 Jupyter Notebook 都呼叫不出来。终于能输入代码了。结果一输入就提示，你要调用的模块名称，没听说过！
而这些，Google Colab 都帮你处理好了。只需要打开一个浏览器（推荐 Google Chrome 或者 Firefox），输入：https://colab.research.google.com 就可以看到以下页面。
选择新建 Python 3 笔记本，然后就能看到完全配置好的 Python 运行环境了。
对，就是这么简单。你可别小瞧这个运行环境，虽然你没有执行任何安装过程，但是它基本上涵盖了你做数据科学分析，要用到的各种工具，这些工具包括但不限于 Numpy、Scipy、Pandas 等，甚至连深度学习的框架，例如 Tensorflow、Keras 和 Pytorch，也是一应俱全。
Google Colab 的深度学习环境支持，可不只是软件那么简单。Google 慷慨的提供了 GPU， 甚至是更专业化的 TPU， 供你免费使用。
默认状态，这些云端硬件是不开启的。你需要在菜单栏中选择 runtime，然后选择 Change runtime type，就可以看到不同硬件支持的选项了。
有的书籍样例代码，甚至是 Python 组件，都需要 Python 2 环境才能运行，这也没关系。点击新建笔记本，你就能使用不同的 Python 版本了。
细心的你会发现，在上面的「修改运行时设置」页面里，也可以随时调整 Python 版本。
求助
作为新手，你遇到错误和问题，是完全正常的。而 Python 具有强大的社区，可以给你提供很多帮助。
但如果你尝试过，便可能有一种错觉——这些 Python 高手很不友好。因为你贴了问题，却没人理你。其实，这很可能是你问问题的方式不对。想想看，你笼统地说一个报错信息，可能的原因或许有数十甚至上百种，谁能帮你一一排除？这倒也罢了。可是你明明贴了一段代码，还给出了错误信息的截图啊。为什么还是没有人伸出援手？因为这些信息，可能依然不够。
想想看，你本地安装了什么样的套件？其中的各种模块，都分别是什么版本？你执行当前代码有问题，那上下文是什么？会不会是因为之前某个代码段落，影响了你当前段落的执行？你的操作系统，是否完全支持你正在使用的组件功能……这些可能性，无穷无尽。同样，也没有人这样花时间帮你枚举。
但是有了 Google Colab ，你提问的效果却可以大大提升。因为，你可以用最简单的方法，让潜在的回答者复现你的问题。这就是，把你的笔记本共享出去。如下图，点击笔记本右上角的 Share 按钮。
在出现的对话框里，注意选择权限。选成可以浏览（view），就可以了。
然后，选择「复制链接」，链接就到了你的剪切板里面了。把它连同你的文字描述，直接贴到 Python 的论坛或者课程讨论区里。别人只需要点击，就能查看你的全部代码、报错信息。而且，还能运行你的笔记副本。注意，虽然你俩可能用的是不同的操作系统、不同的浏览器，但因为都用了 Google Colab ，你们的 Python 环境是完全一致的。等到对方解决了问题，他还可以把完整的笔记本再用链接方式分享给你。你的问题于是迎刃而解。
问问题，只是寻求帮助的一个方面。在提问之前，你还是应该自己尝试一下解决的。毫不愿意思考，直接当伸手党，社区里的人很难喜欢跟你打交道。而 Google Colab 为你主动寻找问题答案提供了工具支持。每当你遇到报错的时候，你都会看到下方有个按钮。
点击这个按钮， Google Colab 就会用搜索引擎，在 Stackoverflow 这个 IT 问答站点上，帮你寻找相关报错的已有答案。
一般来说，点击前几条信息，你就会有收获。例如这次，你就很幸运，因为答案明确说明，这是因为 Python 版本带来的差异。你只需要根据提示，进行代码的轻微调整，就能正常运行了。
协作
不知你有没有尝试过跟人协作编写代码？我的课上，是有小组作业的。要求学生 2 – 3 人一组，一起用 Python 解决问题。有的人，是这样协作的：自己写一段代码，用邮件传给对方；对方改完，发回来；自己在上面修改添加，再发回去……
这样显然效率很低。有没有高效的方法？当然有。依然利用我们刚才已经见到过的共享功能。
只是这一次，在选择权限的时候，给对方「可修改」权限。
例如还是刚才的 print 命令没有加括号的问题。只不过这次，对方除了能看到你的问题，还可以直接编辑。你的协作者，新建了一个代码块，并且输入了正确的信息。
在你这里看起来，就是这个样子的。协作者的头像，会显示在对应的修改内容旁边。这样一目了然。
对方还可以在代码块旁，选择添加注释。
例如输入以下内容。
你可以同步在自己的笔记本上，看到对方的注释。
这样一来，团队协作 Python 练习沟通的效率，自然就高了许多。
注意，为了安全起见，一定只能把该权限，限定在你信任的协作者中。
如果是打算把你的成果展示出来，你可以使用 Google Colab 与 Github 的集成功能。如下图，选择保存副本到 Github 。
然后，选择你希望保存到的 Github 项目。
保存完毕后，对应的 Github 页面会自动打开，供你预览。其中可以包含全部的文字、图片、代码和输出信息。注意笔记本的顶部，有一个「在 Colab 打开」的链接。
点击它，你就能迅速开启 Google Colab 环境，并且直接运行这个 Github 上的笔记副本。
版本
当你不停地尝试和改动代码的时候，很有可能会把问题改得更加糟糕。这时候，你恨不得有一个时光机，可以让你回到错误少一点的时候。这个时光机，Google Colab 是提供了的。
点击菜单里面的 Revision history 功能，你就能看到当前笔记本已保存的全部历史版本，包括修改时间、谁改的、文件大小等各种信息，一应俱全，想回到哪个版本，点一下「恢复」按钮就可以了。
另外，你也可以把 Google Colab 笔记本，直接下载成为 ipynb 文件，在本地保存副本。
一定要注意选择需要的存储路径，避免不知存到哪里去了。
我一般让学生交作业的时候，都需要同时提交 Google Colab 链接，以及一个 ipynb 文件。二者的内容，应该是一样的。既然如此，为什么还需要提交两样东西呢？这个问题，作为思考题，留给你。请注意联系本节标题，加以分析。
有了 ipynb 文件，你可以用本地的 Jupyter Notebook 开启。但是如果你只是想查看内容的话，这里给你推荐一个更好的工具，叫做 nteract 。它可以帮你直接开启 ipynb 文件，用于查看。这样，你就没必要每次都用 Jupyter Notebook 命令开启后台服务，然后再到浏览器中点开对应的 ipynb 了。
小结
还记得在《如何高效学 Python ？》一文中，我给你推荐过的经典教材《笨办法学 Python》吧？
《笨办法学 Python》指出了一条看似笨拙，却非常有效的学习路径。我上课的时候，也一直在跟学生们强调——Python 这样的实践类技能，只能练中学（Learn by doing）。
本文给你推荐的 Google Colab ，可以帮你解决 Python 初学者练习实践 Python 编程时，最常遇到的几大痛点。包括：
- 自动配置
- 有效求助
- 协作编程
- 版本控制
这样一来，你可以把宝贵的时间，聚焦在技能的掌握和应用；而不是久病成医，成为「环境配置专家」了。
祝 Python 编程学习愉快！
