Om du är en blivande datavetare idag eller någon inom datavetenskap i allmänhet är det omöjligt för dig att inte vara lite bekant med Python. Eftersom denna höga nivå, programmeringsspråk för allmänna ändamål ökar i popularitet, blir dess styrkor och inverkan mer och mer framträdande. Nya utvecklare vill gräva in i dataanalys möjlig med Pythons elitverktyg för visualisering och analys av data.

Python är viktig i programmeringsvärlden

Enligt en undersökning gjord av JetBrains är “Python det primära språket som används av 84% av programmerarna som använder Python. Dessutom använder nästan 58% av utvecklarna Python för dataanalys medan 52% använder det för webbutveckling. Användningen av Python för DevOps, maskininlärning och webbgenomsökning eller webbskrapning följer på nära håll tillsammans med en mängd andra användningsområden.”

Resultat från Python Developers Survey 2018

PyCharm - en plattforms-IDE för Python-utvecklare

För att få ut mesta möjliga av Python, särskilt när det gäller dataanalys, är det viktigt att hitta en integrerad utvecklingsmiljö som erbjuder mest när det gäller redigering av kod och visualisering av resultat. PyCharm är en IDE utvecklad av JetBrains, hjärnan bakom stora utvecklingsverktyg som PhpStorm.

Den primära komponenten i PyCharm, dess kodredigerare, erbjuder intelligent kontextbaserad automatisk komplettering av kod, kodförslag och kodavsnitt. Det låter programmerare skapa logiska kodblock för att separera programmoduler. Redaktören är effektiv när det gäller att identifiera och markera fel när koden skrivs. Kodnavigering har aldrig varit enklare eftersom PyCharm tillåter programmerare att snabbt hoppa till ett visst utdrag, objekt eller klass i källkoden. PyCharm har också massor av refactoring-funktioner som gör det enkelt för utvecklare att göra organiserade förändringar. Stöd för webbteknologier som HTML, CSS, JavaScript med mera i kombination med PyCharms livredigerings- och visningssidor gör det till ett kraftfullt verktyg för webbutveckling i Python.

“Literate Programming” med Jupyter Notebook

En annan IDE som spelar in när man pratar om Python är Jupyter Notebook, tidigare känd som IPython Notebook. Jupyter Notebook är särskilt viktigt för att ge form åt vad Donald Knuth, en datavetare från Stanford, känd som "literate programmering". Literate programmering är en standardiserad form av programmering som fokuserar på kodens mänskliga läsbarhet. Det gör det möjligt för programmerare att forma de logiska enheterna i deras kod, innebörden av dessa kodenheter och deras resultat. Sammanställt presenterar en anteckningsbok kod som en komplett och förståelig tankeprocess och dess tekniska manifestation.

För att stödja läskunnig programmering har Jupyter Notebook en mängd verktyg tillgängliga som ger fullständig frihet att redigera kod med dess relevanta stödprosa. Från och med grundnivån har anteckningsböcker (filerna där koden skrivs) möjligheten att separera koden i "celler". Celler gör det enkelt att skilja mellan specifik funktionalitet. Förutom kodceller finns det markeringsceller tillgängliga där det är lätt att skriva kodbeskrivningar, betydelse eller resultat. Redigeringsalternativen för markeringsceller är oändliga; du kan leka med textformat, bilder och till och med matematiska ekvationer och diagram.

Med det omfattande stödet för att integrera Jupyter Notebook i PyCharm har utvecklare haft det mycket lättare att skapa, köra och felsöka källkoder samtidigt som de undersöker deras utgångar samtidigt.

Vilka funktioner ingår för Jupyter Notebooks i PyCharm?

PyCharm låter dig göra ändringar i ditt källedokument på ett antal sätt:

• Redigera och göra förhandsgranskningar
• Använd anteckningsboken som källkod med definitioner i form av texter
• Live förhandsgranskningar tillsammans med felsökning
• Alternativ för att automatiskt spara din kod
• Markering av alla typer av fel- och syntaxfel
• Möjlighet att lägga till radkommentarer
• Möjlighet att köra och förhandsgranska resultat samtidigt
• Tillåter att du använder den dedikerade Jupyter Notebook Debugger

Låt dig känna igen .ipynb-filer med ikonen

Jupyter anteckningsbok i PyCharm

Jupyter Notebooks kraftfulla kodskrivnings- och redigeringsfunktioner och PyCharms elit dedikerade felsökningsmodul för Jupyter, kodnavigering, ramstöd, plugin-support och feldetektering kombinerat kan bilda en utvecklingsmiljö som saknar lite.

Nu är frågan hur man uppnår en integrerad utvecklingsmiljö som kombinerar funktionerna i PyCharm och Jupyter Notebook. Det korta svaret är att detta för närvarande endast är möjligt med en licensierad version av PyCharm Professional. PyCharm Professional är inte gratis. Du kan dock få en gratis licens om du är ansluten till ett utbildningsinstitut och har en .edu-e-postadress.

Det långa svaret på ovannämnda fråga om hur man integrerar Jupyter Notebook med PyCharm ges nedan:

1. Först bör du skapa ett nytt projekt.
2. I det projektet skapar du en ny ipynb-fil genom att gå till Arkiv> Ny ...> Jupyter anteckningsbok.Detta bör öppna en ny anteckningsbokfil.
3. Om du inte har Jupyter Notebook-paketet installerat visas ett fel ovanför den nyligen öppnade ipynb-filen. Felet läser "Jupyter-paketet är inte installerat" och bredvid det har du möjlighet att "Installera jupyter-paketet". Klicka på “Installera jupyterpaketet”. Detta startar installationsprocessen som du kan visa genom att klicka på de pågående processerna i det nedre högra hörnet av PyCharm-fönstret.
4. För att börja utforska Jupyter Notebook i PyCharm, skapa kodceller och kör dem.
5. För att starta Jupyter-servern, kör kodcellen.Jupyter-servern startas sedan med 8888-porten som standard på localhost. Du kan se dessa konfigurationer i serverns verktygsfönster.När du väl har startat kan du visa servern ovanför ditt källkodsfönster och bredvid det kan du se kärnan som skapats som “Python 2” eller “Python 3”.
6. Du kan nu öppna fliken variabler i PyCharm för att se hur värdena på dina variabler ändras när du kör kodceller. Detta hjälper till att felsöka.
7. Du kan även ställa in brytpunkter vid kodrader och klicka sedan på ikonen Kör, och välj "Felsökningscell" (eller alternativt använda genvägen Alt + Skift + Enter) för att börja felsöka.
8. Följande flikar längst ner i PyCharm-fönstret är viktiga för att använda Jupyter Notebook: På fliken “TODO” kan du se TODO-kommentarer och enkelt navigera till dem genom att dubbelklicka på dem på fliken TODO. Fliken "Jupyter" är Jupyter-serverloggen. ”Terminal” är pythonterminalen där du kan skriva pythonkommandon. "Python Console" är konsolen där du kan visa kod och dess utdata rad för rad.

Komma överens med användargränssnittet

Av de många komponenterna i användargränssnittet, låt oss börja utforska de du kan arbeta med.

Visningslägen

PyCharm erbjuder tre visningslägen för att redigera dina Jupyter-anteckningsbokfiler:

1. Endast redigeringsläge

Detta gör det möjligt att lägga till och redigera anteckningsbokceller.

2. Delat visningsläge

I delat visningsläge kan du både lägga till celler och förhandsgranska deras utdata. Detta är också standardvisningsläget för alla Jupyter-bärbara datorer i PyCharm.

3. Förhandsgranska endast läge

Här kan du förhandsgranska dina kodkörningsresultat, råceller och kodmarkering.

Verktygsfält

Verktygsfältet innehåller ett antal genvägar som ger snabb åtkomst till alla grundläggande åtgärder du ska arbeta med.

Serverloggen

Serverloggen visas när du startar någon av Jupyter-servrarna. Den visar servern nuvarande status och länk till den anteckningsbok som du för närvarande arbetar med.

Fliken Variabler

Denna flik ger en detaljerad rapport om de variabla värden som finns i den exekverade cellen.

Nu när du är bekant med grunderna i redigering och felsökning av Jupyter-anteckningsböcker i PyCharm, kan du fortsätta och installera Jupyter-paketet i PyCharm själv. Härifrån kan du helt utforska dess funktioner och använda dem till din tillfredsställelse!