用途：该技能面向数据探索、分析与沟通，帮助创建可复现、结构良好的交互式笔记本，适用于探索性分析、可复现研究、教学与演示、向相关方沟通结论以及快速原型迭代。
主要能力与工具选择：资料列出 JupyterLab（传统数据科学、扩展生态、完整 IDE 体验）、marimo（可复现笔记本、响应式执行、Python 原生、对版本控制友好）、VS Code + Jupyter（IDE 原生体验、智能提示、调试、git 集成）、Google Colab（云端 GPU、分享协作、免费 TPU/GPU）。
核心原则：按标题、Setup、Data Loading、Analysis、Conclusions 组织内容以提升可读性；通过设置随机种子（np.random.seed(42)、random.seed(42)）并在 requirements.txt 或 environment.yml 中固定版本保证可复现；保持单元格聚焦，一个单元格一个概念，避免超过 50 行，辅助函数重构到 .py 文件；绝不硬编码密钥，使用 os.environ.get("OPENAI_API_KEY") 读取环境变量。
Jupyter 实践：可使用 IPython 魔法命令，如 %load_ext autoreload、%autoreload 2、%timeit、%debug、%watermark；提交前清理输出可用 pip install nbstripout 后执行 nbstripout --install，或用 pip install pre-commit 与 pre-commit install 配置钩子。
marimo 优势：响应式执行，依赖变化时单元格自动重算，如 mo.ui.slider 示例；纯 Python（.py 文件），无输出大对象进入 git，差异可读；可用 marimo convert notebook.ipynb -o notebook.py 转换 Jupyter 笔记本。
常见反模式：乱序运行单元格、巨型混合单元格、硬编码文件路径、缺少 markdown 说明、提交大输出文件、内联数据（应使用 data/ 文件夹）。
进阶参考：../references/jupyter-advanced.md（部件、扩展、调试）、../references/marimo-guide.md（响应式模式、UI 组件）、../references/notebook-testing.md（笔记本代码单元测试）、../references/sharing-publishing.md（nbconvert、Quarto、Voilà）。相关技能：@data-science-eda、@data-science-interactive-apps、@data-engineering-core。
限制：资料未提供具体收费、价格、平台支持范围或效果保证等信息。