Last modified: July 06, 2024

This article is written in: 🇵🇱

Czym są Jupyter Notebooks?

Jupyter Notebooks to zaawansowane środowisko pracy umożliwiające tworzenie i udostępnianie interaktywnych dokumentów, które integrują kod z bogatymi treściami multimedialnymi takimi jak teksty, wykresy, animacje, a nawet elementy interaktywne. Chociaż najczęściej kojarzone z językiem Python, Jupyter Notebooks wspierają wiele innych języków programowania, takich jak R, Julia, Scala, i wiele innych, dzięki czemu są niezwykle wszechstronne.

Aby zainstalować Jupyter Notebook, można skorzystać z różnych metod w zależności od preferencji. Poniżej przedstawiam kilka najczęściej używanych sposobów instalacji Jupyter Notebook:

Instalacja za pomocą Anacondy

Anaconda to popularna dystrybucja Pythona, która zawiera wiele narzędzi do analizy danych, w tym Jupyter Notebook.

  1. Przejdź na stronę Anaconda Distribution i pobierz wersję odpowiednią dla Twojego systemu operacyjnego.
  2. Postępuj zgodnie z instrukcjami instalatora dla Twojego systemu operacyjnego.
  3. Otwórz Anaconda Navigator i kliknij przycisk "Launch" obok Jupyter Notebook.
  4. Alternatywnie, możesz uruchomić Jupyter Notebook z terminala, wpisując:
jupyter notebook

Instalacja za pomocą pip

Jeśli wolisz zainstalować Jupyter Notebook bezpośrednio za pomocą pip, wykonaj następujące kroki:

  1. Upewnij się, że masz zainstalowanego pip. Możesz to sprawdzić, wpisując w terminalu:
pip --version

Jeśli pip nie jest zainstalowany, możesz go zainstalować, postępując zgodnie z instrukcjami instalacji pip.

  1. Wpisz w terminalu:
pip install notebook
  1. Po zakończeniu instalacji, uruchom Jupyter Notebook, wpisując w terminalu:
jupyter notebook

Instalacja za pomocą Menedżera Pakietów conda

Jeśli używasz menedżera pakietów conda, możesz zainstalować Jupyter Notebook w następujący sposób:

  1. Jeśli jeszcze go nie masz, możesz zainstalować conda jako część dystrybucji Anaconda lub Miniconda.
  2. Wpisz w terminalu:
conda install -c conda-forge notebook
  1. Po zakończeniu instalacji, uruchom Jupyter Notebook, wpisując w terminalu:
jupyter notebook

Screenshot

Na zrzucie ekranu przedstawiono interfejs Jupyter Notebook z uruchomionym notatnikiem o nazwie "Intro".

Screenshot from 2024-06-15 20-20-49

Oto szczegółowy opis zrzutu ekranu:

Górna część interfejsu

  • Pasek tytułu: Znajduje się u góry i zawiera nazwę notatnika ("Intro") oraz informację o ostatnim zapisie ("Last Checkpoint: last year").
  • Menu: Znajduje się pod paskiem tytułu i zawiera różne opcje, takie jak "File", "Edit", "View", "Run", "Kernel", "Settings", "Help".
  • Pasek narzędzi: Bezpośrednio pod menu, zawiera przyciski do wykonywania podstawowych operacji, takich jak zapisywanie, wstawianie nowych komórek, wycinanie, kopiowanie, wklejanie, uruchamianie wszystkich komórek, zatrzymywanie wykonywania kodu i inne.

Komórka z kodem

  • Po lewej stronie komórki z kodem widoczny jest numer komórki [12].
  • Komórka importuje biblioteki matplotlib.pyplot jako plt oraz random.
  • Generuje listę 1000 losowych liczb z rozkładu Gaussa (w kodzie błędnie wspomnianego jako rozkład Poissona) o średniej 0 i odchyleniu standardowym 1, przycinając wartości do przedziału od -10 do 10.
  • Tworzy histogram z danych za pomocą plt.hist() z 50 binami.
  • Wyświetla wykres za pomocą plt.show().

Wynik

  • Pod komórką z kodem znajduje się wykres histogramu przedstawiający rozkład wygenerowanych danych. Histogram pokazuje liczbę wystąpień danych w różnych przedziałach, co jest typowym sposobem wizualizacji rozkładu danych w Jupyter Notebook.

Zalety Jupyter Notebooks

  • Możliwość łączenia kodu z treścią opisową w jednym miejscu, co ułatwia eksplorację danych i prezentację wyników. Dzięki temu użytkownicy mogą szybko iterować między pisaniem kodu, analizą danych i dokumentowaniem wyników.
  • Bezproblemowe integrowanie wykresów, diagramów i innych wizualizacji bezpośrednio w notebooku, co znacznie poprawia czytelność i zrozumiałość analiz. Biblioteki takie jak Matplotlib, Seaborn czy Plotly umożliwiają tworzenie zaawansowanych wizualizacji danych.
  • Umożliwiają łatwą integrację z wieloma bibliotekami i narzędziami dostępnymi w ekosystemie Python, takimi jak NumPy, Pandas, TensorFlow czy scikit-learn. To sprawia, że są idealne do zastosowań od analizy danych, przez uczenie maszynowe, po badania naukowe.
  • Idealne do tworzenia tutoriali, kursów i dokumentacji, ponieważ można je łatwo udostępniać w formie interaktywnych notatek. Platformy takie jak GitHub, Nbviewer czy JupyterHub umożliwiają łatwe dzielenie się pracą z innymi.
  • Zdolność do zapisywania wszystkich kroków analizy i wyników w jednym dokumencie ułatwia reprodukcję badań i analiz przez innych użytkowników.

Wady Jupyter Notebooks

  • Bez odpowiedniej struktury, notebooki mogą stać się chaotyczne, zwłaszcza w większych projektach. Ważne jest, aby dbać o klarowny podział na sekcje i odpowiednie komentarze.
  • Kod rozmieszczony w wielu komórkach może utrudniać jego śledzenie i debugowanie. W dużych projektach może to prowadzić do trudności w utrzymaniu i testowaniu kodu.
  • Dla większych, bardziej złożonych aplikacji, tradycyjne środowiska programistyczne mogą być bardziej odpowiednie. IDE jak PyCharm czy VSCode oferują bardziej zaawansowane funkcje zarządzania projektem.
  • Choć notebooki można śledzić przy pomocy narzędzi kontroli wersji takich jak git, ich binarna natura może sprawiać problemy przy łączeniu zmian z różnych źródeł. Narzędzia takie jak nbdime mogą pomóc w rozwiązywaniu konfliktów, ale nie zawsze są idealnym rozwiązaniem.
  • W Jupyter Notebooks kod może być wykonywany w dowolnej kolejności, co może prowadzić do niespójności stanu zmiennych i trudności w debugowaniu. Ważne jest, aby zawsze uruchamiać wszystkie komórki od początku do końca, aby upewnić się, że wynik jest spójny.

Jak efektywnie korzystać z Jupyter Notebooks?

  1. Regularnie porządkuj komórki, grupując powiązany kod i treść razem, oraz korzystaj z nagłówków dla lepszej czytelności. Twórz sekcje takie jak "Importy", "Przygotowanie danych", "Analiza" i "Wnioski".
  2. Opisuj skomplikowane fragmenty kodu, aby inni (lub Ty w przyszłości) mogli łatwo zrozumieć Twoje rozwiązania. Komentarze i markdown mogą znacząco poprawić przejrzystość notebooka.
  3. Unikaj polegania na globalnym stanie lub zmiennych, które mogą być modyfikowane w innych komórkach. Staraj się, aby komórki były jak najbardziej samowystarczalne.
  4. Jupyter nie zawsze automatycznie zapisuje Twoją pracę. Upewnij się, że regularnie zapisujesz notebook, aby uniknąć utraty postępów. Skonfiguruj automatyczne zapisywanie, jeśli to możliwe.
  5. Korzystaj z narzędzi takich jak nbdime do łatwiejszego zarządzania wersjami notebooków w systemie git. Regularne commitowanie zmian i tworzenie opisowych commitów ułatwi śledzenie postępów i przywracanie wcześniejszych wersji.
  6. Jeśli projekt staje się zbyt duży, rozważ podzielenie go na mniejsze moduły i importowanie ich do notebooka. Ułatwi to zarządzanie kodem i zwiększy jego czytelność.
  7. Wprowadź jednostkowe testy do swojego kodu, aby upewnić się, że każda część działa poprawnie. Możesz używać narzędzi takich jak pytest do testowania funkcji używanych w notebookach.
  8. Istnieje wiele rozszerzeń, które mogą zwiększyć funkcjonalność notebooków, takie jak JupyterLab, nbextensions, czy voila, które pozwalają na tworzenie interaktywnych dashboardów z notebooków.