34 · 数据科学——数据分析与可视化小周是一名市场分析师，每周都要处理大量的 CSV 数据——销售数据、用户行为数据、广告投放效果。她的工作流程通常是：用 Excel 打开数据 → 手动做透视表 → 复制到 PPT 做图表。整个过程重复、耗时、容易出错。如果能用自然语言描述分析需求，让 AI 自动完成分析和可视化——Hermes 结合 Jupyter 的能力正是为此而生。一、Jupyter集成Hermes 与 Jupyter 的深度集成是数据科学工作流的核心。通过hamelnb（Hermes 的 Jupyter Notebook 内核），你可以在对话中直接操作 Notebook。什么是hamelnb：hamelnb是一个专为 Hermes 设计的 live kernel，它允许 Hermes 在 Jupyter 环境中执行代码、创建可视化、管理 Notebook 单元格。和标准的 IPython kernel 不同，hamelnb 是可编程的——Hermes 可以通过execute_code工具直接与它交互。启动集成环境：# 启动 Jupyter notebook 并连接 Hermeshermes notebook start# 或者直接让 Hermes 使用 notebook 环境执行分析hermes--notebook启动后，Hermes 的所有代码执行都会在 Jupyter 环境中运行。这意味着：代码执行结果包含丰富的输出格式（DataFrame 表格、matplotlib 图表、交互式组件）变量和状态在会话中持续存在支持完整的 Python 数据科学生态（pandas、numpy、matplotlib、seaborn 等）渲染优势：在 Dashboard 或 Desktop 界面中，Jupyter 集成带来的最大优势是渲染效果：表格以可排序的 HTML 表格展示图表以高分辨率图片嵌入统计输出以格式化文本呈现二、数据探索有了 Jupyter 集成，数据探索变得非常自然。你只需要用自然语言描述你想做的事情。数据加载与预览
34 · 数据科学——数据分析与可视化小周是一名市场分析师，每周都要处理大量的 CSV 数据——销售数据、用户行为数据、广告投放效果。她的工作流程通常是：用 Excel 打开数据 → 手动做透视表 → 复制到 PPT 做图表。整个过程重复、耗时、容易出错。如果能用自然语言描述分析需求，让 AI 自动完成分析和可视化——Hermes 结合 Jupyter 的能力正是为此而生。一、Jupyter集成Hermes 与 Jupyter 的深度集成是数据科学工作流的核心。通过hamelnb（Hermes 的 Jupyter Notebook 内核），你可以在对话中直接操作 Notebook。什么是hamelnb：hamelnb是一个专为 Hermes 设计的 live kernel，它允许 Hermes 在 Jupyter 环境中执行代码、创建可视化、管理 Notebook 单元格。和标准的 IPython kernel 不同，hamelnb 是可编程的——Hermes 可以通过execute_code工具直接与它交互。启动集成环境：# 启动 Jupyter notebook 并连接 Hermeshermes notebook start# 或者直接让 Hermes 使用 notebook 环境执行分析hermes--notebook启动后，Hermes 的所有代码执行都会在 Jupyter 环境中运行。这意味着：代码执行结果包含丰富的输出格式（DataFrame 表格、matplotlib 图表、交互式组件）变量和状态在会话中持续存在支持完整的 Python 数据科学生态（pandas、numpy、matplotlib、seaborn 等）渲染优势：在 Dashboard 或 Desktop 界面中，Jupyter 集成带来的最大优势是渲染效果：表格以可排序的 HTML 表格展示图表以高分辨率图片嵌入统计输出以格式化文本呈现二、数据探索有了 Jupyter 集成，数据探索变得非常自然。你只需要用自然语言描述你想做的事情。数据加载与预览
