摘要：也许你在别的地方听说过 Git。也许有人告诉过你，Git 只适合软件开发人员。如果你是数据科学家，那么 Git 其实对你很重要。本文作者希望能够通过经验分享让你了解 Git 的重要性，以及如何在你的数据科学工作中使用它。
什么是 Git？
Git 是一个分布式版本控制系统，用于在软件开发期间跟踪源代码的更改。看看维基百科给出的这个定义，好像 Git 专门是为软件开发人员而设计的。实际上，Git 是当今世界上使用最广泛的现代版本控制系统，它是以分布式的协作方式为项目（开源或商业）做出了伟大的贡献。除了分布式版本控制系统之外，Git 的还考虑了性能、安全性和灵活性。现在你已经了解了 Git 是什么，但是你脑海中的问题可能是，“如果我是做数据科学项目的人，它与我的工作有什么关系？”以前我也一样不能理解 Git 的重要性，直到我开始在现实工作环境中，我才发现它时如此重要！
为什么是 Git？
我们来谈谈为什么？一年前，我决定学习 Git。我在 Github 上分享并发布了我的代码，这是我在 CERN 的论文项目。虽然很难理解 Git 中常用的术语（git-add、commit、push、pull 等），但我知道这在数据科学领域很重要，这使我的数据科学工作比以往任何时候都更加充实。
所以我保持学习状态，并坚持“committing”。当我加入我目前的公司时，我在 Git 方面的经验就派上了用场，因为 Git 是跨不同团队进行代码开发和协作的主要方式。更重要的是，当你的组织遵循敏捷软件开发框架时，Git 尤其有用，在该框架中，Git 的分布式版本控制使整个开发工作流更加高效、快速且易于适应变化。那么什么是版本控制呢？版本控制是一个系统记录一个文件或一组文件随时间的变化，以便你以后可以调用特定的版本。比如说，你是一个数据科学家，与一个团队合作，在这个团队中你和另一个数据科学家在构建机器学习模型的时候，对同一个特征进行工作。如果你对该特征做了一些更改并上传到远程存储库，并且这些更改与主分支合并，那么你的项目现在变成了 1.1 版本。另一位数据科学家也对版本 1.1 的相同功能进行了一些更改，新的更改现在与主分支合并。模型就变成 1.2 版本。在任何时候，如果你的团队发现版本 1.2 在发布期间有一些错误，他们随时可以调用以前的版本 1.1，这就是版本控制的美妙之处。
作为数据科学家如何使用 Git？
我们已经讨论过什么是 Git 及其重要性。现在的问题归结为：作为数据科学家如何使用 Git？作为数据科学家，你不需要成为一个 Git 领域的专家。关键是要理解 Git 技术的工作流程以及如何在日常工作中使用 Git。准确地说，我在这里使用的是 Git Feature Branch Workflow，它通常被开源和商业项目使用。如果你想更多地了解这里使用的术语，点击这里进行了解。
Git Feature Branch Workflow
Feature Branch Workflow 像一个中央存储库，master 分支代表正式的项目历史记录。开发人员每次开始处理一个新特性时，都会创建一个新的分支，而不是直接提交到他们的本地主分支上。新的分支可以（也应该）推送到中央存储库。在这种情况下，可以在不修改 master 分支的情况下与其他开发人员共享一个该分支。
在开始执行任何操作之前，请键入
git remote -v
以确保工作区指向要使用的远程存储库。
1、从主分支开始，创建一个新分支
git checkout master
git pull
git checkout -b branch-name
如果总是维护和更新主分支，则切换到本地主分支，并将最新的提交和代码提取到本地主分支。假设你希望创建一个本地分支，向代码中添加一个新功能，并稍后上传到远程存储库。一旦你将最新的代码更新到本地 master 分支，我们就创建并 checkout 出一个名为 branch-name 的新分支，所有的更改都将在此本地分支上进行。这意味着你本地的 master 分支不会受到任何影响。
2、更新、添加、提交并将更改推送到远程存储库
git status
git add <your-files>
git commit -m ‘your message’
git push -u origin branch-name
上面我们做了很多操作，让我们详细了解它。一旦发生了一些更新，就将新的操作 add 到本地分支，并且希望将该操作上传到远程分支，以便合并到远程主分支。git status 将输出你对文件的所有更改（跟踪或未跟踪）。在使用 git commit-m“your message”提交消息更改之前，你将使用 git add <your files> 决定要暂存哪些文件。
在此阶段，你的更改仅显示在本地分支中。为了使你的更改显示在 BitBucket 上的远程分支中，你需要使用 git push -u origin branch-name 命令进行提交。此命令将该分支推送到中央存储库，并且 - u 表示将其添加为远程跟踪分支。在设置了跟踪分支之后，可以在没有任何参数的情况下调用 git push，以自动将新的功能分支推送到 BitBucket 上的中央存储库。
3、创建 pull 请求
现在你已经成功地添加了一个新功能并推送到远程分支。你为自己的贡献感到骄傲，你希望在将远程分支与远程主分支合并之前得到团队成员的反馈。在该分支合并到主分支之前，让其他团队成员有机会对其进行审查。你可以在 BitBucket 上创建 pull 请求。现在，你的团队成员已经查看了你的代码，并决定在代码可以合并到主代码库 -master 分支之前，需要你进行一些其他更改。
git status
git add <your-files>
git commit -m ‘your message’
git push
现在，你可以按照与之前相同的步骤进行更改、提交并最终将更新推送到中央存储库。一旦使用了 git push，你的更新将自动显示在 pull 请求中。如果其他人已将目标更改为你所接触的同一代码，则会发生合并冲突，这在工作中很常见。你可以在这里看到如何解决合并冲突。一旦一切顺利完成，这些功能将会合并到 master 分支中。
当我第一次开始学习 Git 时，我感到非常沮丧，因为我仍然没有真正理解工作流。这也是写这篇文章的主要原因之一，它真正分解并在更高层次的理解上向你解释工作流程。因为我相信，对工作流程中发生的事情有一个清晰的了解将使学习过程更加有效。
本文作者：【方向】阅读原文
本文为云栖社区原创内容，未经允许不得转载。