Das Interview zur neuen iX: Warum Python ideal zur Datenvisualisierung ist
Wachsende Datenmengen erfordern neue Ansätze bei der Datenvisualisierung. Gerhard Völkl beleuchtet im iX-Interview die Kombination Python und Jupyter-Notebooks.
Die neue Dezember-iX ist da und die Titelartikel werfen einen genauen Blick auf den Stand der Datenvisualisierung. Titelautor Gerhard Völkl erklärt im Interview, warum sich dazu insbesondere Python und Jupyter-Notebooks eignen.
Dass Computer Daten visualisieren, ist ja eigentlich ein altes Thema. Aber was hat sich in den letzten Jahren getan, dass sich Unternehmen jetzt damit beschäftigen müssen?
Die Menge an digitalen Daten in Unternehmen ist immer mehr gewachsen. Um die daraus gewonnenen Informationen sinnvoll zu vermitteln, ist die Visualisierung eine der wichtigsten Möglichkeiten. Wer liest schon gerne seitenlange Texte, wenn eine gute Grafik oder Animation den gleichen Inhalt vermittelt?
Warum bieten sich für die Datenvisualisierung heute Python und Jupyter-Notebooks an?
Der erste Schritt ist immer die Datenanalyse. Dafür ist Python durch die vielen vorhandenen Bibliotheken und die schlanke Struktur bestens geeignet. Häufig hat man bei einer Visualisierung eine Idee und tastet sich an die endgültige Lösung interaktiv heran. Das Jupyter-Notebook unterstützt diese Arbeitsweise in jeder Hinsicht. Somit ist es kein Wunder, dass Python und Jupyter-Notebook sich als ideale Kombination herausgestellt haben.
Wie lassen sich Jupyter-Notebooks anschließend weiterverwenden?
Daraus kann man einfach statische Dokumente in gängigen Formaten wie zum Beispiel PDF machen und im Unternehmen klassisch per E-Mail verschicken. Alternativ gibt es Software wie Streamlit, die Jupyter-Notebooks in Apps oder Dashboards verwandeln, damit andere diese interaktiv verwenden können. Eine andere Möglichkeit ist es, die Notebooks so zu gestalten, dass auch andere sie nutzen können – etwa um Daten visuell darzustellen und mit ihnen zu interagieren. Idealerweise ohne selbst Python zu können.
Und dafür kann man dann diese Widgets als Jupyter-Erweiterungen nutzen?
Ganz genau. Das sind fertige Bausteine, mit denen man schnell bestimmte Dinge – wie etwa 3D-Visualisierungen oder interaktive Steuerungselemente – in Jupyter-Notebooks integrieren kann. Es spart Zeit und macht die Notebooks für andere attraktiver.
Welche Alternativen gibt es zu Jupyter-Notebooks?
Die Alternative sind klassische Python-Entwicklungsumgebungen wie Microsoft Visual Code oder Jetbrains PyCharms. Diese bieten immer mehr interaktive Elemente und können sogar Jupyter-Notebooks bearbeiten. Andererseits greift das Projekt Jupyter-Notebooks selbst immer mehr Eigenschaften der klassischen Entwicklungsumgebungen auf.
Vielen Dank für das Interview. Der Artikel zu Jupyter-Notebooks steht ab sofort auf Heise Magazine zur Verfügung. Einen Überblick aller Themen des neuen Hefts findet sich im Inhaltsverzeichnis der iX 12/2021. Die komplette Dezemberausgabe lässt sich im heise Shop als PDF oder gedrucktes Heft kaufen, letzteres ist bis einschließlich 25.11. versandkostenfrei.
Das Interview wurde ursprünglich für den iX-Newsletter geführt. Er erscheint monatlich am Erscheinungsdatum jeder neuen Ausgabe und bietet spannende Hintergründe zu den wichtigsten Themen des Hefts. Die Anmeldung ist kostenlos.
(fo)
