DataSpell: Schlanke Jupyter-Notebook-Entwicklungsumgebung für Data Science

JetBrains’ jüngstes Produkt DataSpell bietet Jupyter-Notebooks innerhalb einer nativen und integrierten Entwicklungsumgebung – ohne den Ballast von PyCharm.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht 7 Kommentare lesen
Lesezeit: 7 Min.
Von
  • Ramon Wartala
Inhaltsverzeichnis

Jupyter-Notebooks erfreuen sich als exploratives und visualisierendes Standardwerkzeug für Datenwissenschaftler großer Beliebtheit. Eine ihrer Stärken ist die Trennung von Oberfläche und Notebook-Server. Das System führt Python-Code damit sowohl lokal als auch verteilt aus. Gerade wenn das Modelltraining umfassender Daten viel CPU- oder GPU-Leistung benötigt, greift der Serverteil des Jupyter-Notebooks auf leistungsstarke Hardware im Netz oder in der Cloud zurück. Zugriff auf die Notebook-Funktionen erlangt man über die Oberfläche im Webbrowser.

Mehr zu Data Science / Datenanalyse:

Durch die Trennung von GUI und Notebook-Server lassen sich nicht nur Webbrowser für die Bearbeitung von Notebooks nutzen. Auch integrierte Entwicklungsumgebungen können mit dem Notebook-Server über HTTPS kommunizieren – egal ob auf dem Entwicklungsrechner oder via Cloud. Dies macht sich nun auch JetBrains mit seiner jüngsten Entwicklungsumgebung DataSpell zunutze. Die Integration weiterer Tools ist über Erweiterungen möglich.

Anwender von PyCharm oder anderen JetBrains-Produkten finden sich innerhalb von DataSpell schnell zurecht: Workspaces verwalten Python-Projekte wie gewohnt auf der linken Seite der IDE. Sie benötigen mindestens einen Python-Interpreter. Das kann sowohl der systemweite Interpreter als auch ein Interpreter aus einem virtuellen Environment sein. Auch wenn PyCharm bereits in der aktuellen Version 2021.2.3 die Nutzung von Jupyter-Notebooks bereitstellt, ist diese innerhalb von DataSpell runderneuert und erinnert an die Oberfläche von JupyterLab.