Als je vandaag de dag een aspirant-datawetenschapper bent of iemand op het gebied van computerwetenschappen in het algemeen, is het voor jou onmogelijk om niet een beetje bekend te zijn met Python. Aangezien deze programmeertaal voor algemene doeleinden op hoog niveau in populariteit toeneemt, worden de sterke punten en impact ervan steeds prominenter. Nieuwe ontwikkelaars willen zich verdiepen in data-analyse die mogelijk is met de elite-tools voor datavisualisatie en analyse van Python.

Python is belangrijk in de programmeerwereld

Volgens een onderzoek van JetBrains: "Python is de primaire taal die wordt gebruikt door 84% van de programmeurs die Python gebruiken. Bovendien gebruikt bijna 58% van de ontwikkelaars Python voor gegevensanalyse, terwijl 52% het gebruikt voor webontwikkeling. Het gebruik van Python voor DevOps, machine learning en webcrawling of webscraping volgen op de voet, samen met een groot aantal andere toepassingen.”

Resultaten van Python Developers Survey 2018

PyCharm - een platformonafhankelijke IDE voor Python-ontwikkelaars

Om het maximale uit Python te halen, met name op het gebied van data-analyse, is het belangrijk om een ​​geïntegreerde ontwikkelomgeving te vinden die het meeste biedt op het gebied van het bewerken van code en het visualiseren van resultaten. PyCharm is een IDE ontwikkeld door JetBrains, het brein achter grote ontwikkelingstools zoals PhpStorm.

Het primaire onderdeel van PyCharm, de code-editor, biedt intelligente, op context gebaseerde automatische aanvulling van code, codesuggesties en codefragmenten. Hiermee kunnen programmeurs logische codeblokken maken om programmamodules te scheiden. De editor is efficiënt in het identificeren en markeren van fouten terwijl de code wordt geschreven. Codenavigatie is nog nooit zo eenvoudig geweest, omdat met PyCharm programmeurs snel naar een bepaald fragment, object of klasse in de broncode kunnen springen. PyCharm heeft ook tal van refactoring-functies waardoor het voor ontwikkelaars gemakkelijk is om georganiseerde wijzigingen aan te brengen. Ondersteuning voor webtechnologieën zoals HTML, CSS, JavaScript en meer in combinatie met PyCharm's live bewerken en bekijken webpagina-omgeving maakt het een krachtig hulpmiddel voor webontwikkeling in Python.

"Geletterd programmeren" met Jupyter Notebook

Een andere IDE die een rol speelt als we het over Python hebben, is Jupyter Notebook, voorheen bekend als IPython Notebook. Jupyter Notebook is vooral belangrijk om vorm te geven aan wat Donald Knuth, een computerwetenschapper uit Stanford, de beroemde "geletterde programmering" noemde. Geletterd programmeren is een standaardvorm van programmeren die zich richt op de menselijke leesbaarheid van code. Het stelt programmeurs in staat om vorm te geven aan de logische eenheden van hun code, de betekenis van die code-eenheden en hun resultaten. Samengesteld, presenteert een notebook code als een compleet en begrijpelijk denkproces en zijn technologische manifestatie.

Om geletterd programmeren te ondersteunen, heeft Jupyter Notebook een groot aantal tools beschikbaar die volledige vrijheid bieden om code te bewerken met het relevante ondersteunende proza. Beginnend op het basisniveau hebben notebooks (de bestanden waarin code is geschreven) de mogelijkheid om code te scheiden in "cellen". Cellen maken het gemakkelijk om onderscheid te maken tussen specifieke functionaliteit. Naast codecellen zijn er opmaakcellen beschikbaar waar het gemakkelijk is om codebeschrijvingen, significantie of resultaten te typen. Bewerkingsopties voor opmaakcellen zijn eindeloos; je kunt spelen met tekstformaten, afbeeldingen en zelfs wiskundige vergelijkingen en diagrammen.

Met de uitgebreide ondersteuning voor het integreren van Jupyter Notebook in PyCharm, hebben ontwikkelaars het een stuk eenvoudiger gevonden om broncodes te maken, uit te voeren en te debuggen terwijl ze tegelijkertijd hun uitvoer onderzoeken.

Welke functies zijn inbegrepen voor Jupyter Notebooks in PyCharm?

Met PyCharm kunt u op een aantal manieren wijzigingen aanbrengen in uw brondocument:

• Bewerken en voorvertoningen maken
• Gebruik notebook als broncode met definities in de vorm van teksten
• Live previews samen met foutopsporing
• Opties voor het automatisch opslaan van uw code
• Markering van alle soorten fouten en syntaxisfouten
• Mogelijkheid om regelopmerkingen toe te voegen
• Mogelijkheid om resultaten tegelijkertijd uit te voeren en te bekijken
• Maakt het gebruik van de speciale Jupyter Notebook Debugger mogelijk

Laten we je herkennen .ipynb-bestanden met het pictogram

Jupyter Notebook in PyCharm

Jupyter Notebook's krachtige codeschrijf- en bewerkingsmogelijkheden en PyCharm's speciale debugging-module voor Jupyter, codenavigatie, frameworkondersteuning, plug-inondersteuning en foutdetectie gecombineerd kunnen een ontwikkelomgeving vormen die weinig mist.

Nu is de vraag hoe een geïntegreerde ontwikkelomgeving te realiseren die de functionaliteiten van PyCharm en Jupyter Notebook combineert. Het korte antwoord is dat dit momenteel alleen mogelijk is met een gelicentieerde versie van PyCharm Professional. PyCharm Professional is niet gratis. Wel kun je een gratis licentie krijgen als je aangesloten bent bij een onderwijsinstelling en een .edu e-mailadres.

Het lange antwoord op de bovengenoemde vraag over hoe Jupyter Notebook te integreren met PyCharm wordt hieronder gegeven:

1. Eerst moet u een nieuw project maken.
2. Maak in dat project een nieuw ipynb-bestand door naar Bestand> Nieuw...> Jupyter Notebook . te gaan.Dit zou een nieuw notebookbestand moeten openen.
3. Als u het Jupyter Notebook-pakket niet hebt geïnstalleerd, verschijnt er een fout boven het nieuw geopende ipynb-bestand. De fout luidt "Jupyter-pakket is niet geïnstalleerd" en daarnaast heb je de optie om "jupyter-pakket te installeren". Klik op "Jupyter-pakket installeren". Hiermee wordt het installatieproces gestart dat u kunt bekijken door op de lopende processen in de rechterbenedenhoek van het PyCharm-venster te klikken.
4. Om Jupyter Notebook in PyCharm te verkennen, maakt u codecellen en voert u deze uit.
5. Voer de codecel uit om de Jupyter-server te starten.De Jupyter-server wordt vervolgens standaard gestart met de 8888-poort op de localhost. U kunt deze configuraties bekijken in het toolvenster van de server.Eenmaal gelanceerd, kunt u de server boven uw broncodevenster bekijken en ernaast kunt u de kernel bekijken die is gemaakt als "Python 2" of "Python 3".
6. U hebt nu toegang tot het tabblad variabelen in PyCharm om te zien hoe de waarden van uw variabelen veranderen terwijl u codecellen uitvoert. Dit helpt bij het debuggen.
7. U kunt zelfs breekpunten instellen op regels code en vervolgens op het pictogram Uitvoeren klikken, en "Debug Cell" selecteren (of als alternatief de sneltoets Alt + Shift + Enter gebruiken) om te beginnen met debuggen.
8. De volgende tabbladen onder aan het PyCharm-venster zijn essentieel voor het gebruik van Jupyter Notebook: Op het tabblad "TODO" kunt u TODO-opmerkingen bekijken en er gemakkelijk naartoe navigeren door erop te dubbelklikken op het tabblad TODO. Het tabblad "Jupyter" is het Jupyter Server-logboek. De "Terminal" is de python-terminal waar u python-opdrachten kunt schrijven. De "Python-console" is de console waar u de code en de uitvoer regel voor regel kunt bekijken.

Omgaan met de gebruikersinterface

Laten we van de vele componenten van de gebruikersinterface beginnen met het verkennen van degene waarmee u kunt werken.

Weergavemodi

PyCharm biedt drie weergavemodi om uw Jupyter-notebookbestanden te bewerken:

1. Alleen editor modus Editor

Hierdoor kunnen notitieblokcellen worden toegevoegd en bewerkt.

2. Gesplitste weergavemodus

Met de modus voor gesplitste weergave kunt u zowel cellen toevoegen als een voorbeeld van hun uitvoer bekijken. Dit is ook de standaardweergavemodus voor alle Jupyter-notebooks in PyCharm.

3. Alleen voorbeeldmodus

Hier kunt u een voorbeeld van uw code-uitvoeringsresultaten, onbewerkte cellen en code-markdown bekijken.

Werkbalk

De werkbalk biedt een aantal snelkoppelingen die snelle toegang bieden tot alle basishandelingen waarmee u gaat werken.

Het serverlogboek

Het serverlogboek verschijnt wanneer u een van de Jupyter-servers start. Het toont de huidige status van de server en linkt naar de notebook waar u momenteel aan werkt.

Het tabblad Variabelen

Dit tabblad geeft een gedetailleerd rapport over de variabele waarden die aanwezig zijn in de uitgevoerde cel.

Nu u bekend bent met de basisprincipes van het bewerken en debuggen van Jupyter Notebooks in PyCharm, kunt u het Jupyter-pakket zelf in PyCharm installeren. Vanaf hier kunt u de functies volledig verkennen en naar tevredenheid gebruiken!