Jupyter Notebook 7.0 erlaubt Zusammenarbeit an Notebooks in Echtzeit

Project Jupyter hat Jupyter Notebook in Version 7.0 veröffentlicht. Die auf Data Science und Machine Learning ausgelegte webbasierte Entwicklungsumgebung kann damit das größte Release seit Jahren vorweisen, wie das Entwicklungsteam ausführt. Jupyter Notebook 7.0 basiert auf JupyterLab 4.0 – einer webbasierten Nutzeroberfläche – und ist damit eng verzahnt. Dadurch lassen sich Extensions und Themes für JupyterLab auch in Jupyter Notebook nutzen, die etwa der Echtzeitzusammenarbeit und dem Verwenden eines Dark Mode dienen.

Gleichzeitiges Bearbeiten eines Notebooks

JupyterLab 4.0 ist vor rund zwei Monaten erschienen, zwei Jahre nach Version 3.0. Einige der in dieser Zeit erarbeiteten Features stehen nun auch im darauf basierenden Jupyter Notebook 7.0 zur Verfügung. Dazu zählt die Extension Real Time Collaboration, wodurch zwei Personen unter Verwendung von JupiterNotebook oder JupyterLab zeitgleich an einem Notebook arbeiten können.

Die Extension lässt sich per pip oder conda installieren:

pip install jupyter-collaboration

conda install -c conda-forge jupyter-collaboration

Nach einem Neustart des Jupyter Server lässt sich die Extension laden und die Funktion steht zur Verwendung bereit.

Lesen Sie auch

Mercury: Mit Jupyter erstellte Anwendungen als Web-App aufbereiten

Dark Theme und interaktiver Debugger

Standardmäßig ist nun das Dark Theme aus JupyterLab auch in Jupyter Notebook an Bord. Daneben lassen sich weitere Themes, wie etwa das Night Theme, als JupyerLab Extensions installieren.

Als ein weiteres Feature aus JupyterLab ist der interaktive Debugger in Jupyter Notebook 7.0 enthalten. Damit können Entwicklerinnen und Entwickler ihren Code Zelle für Zelle durchgehen. Das Setzen von Breakpoints und das Inspizieren von Variablen zählen zu den weiteren Features des Debuggers.

Quelloffen und anbindungsfähig

Jupyter Notebook und JupyterLab sind Open Source verfügbar und stehen im Python Package Index (PyPI) zum Download bereit. Die Jupyter-Tools können neben Python auch mit weiteren Programmiersprachen wie R, Julia und Scala umgehen und bieten eine Integration mit Big-Data-Tools wie Apache Spark.

Weitere Informationen zur neuen Version teilt das Entwicklungsteam in einem Blogeintrag und in den Release Notes mit. Daneben hat das Team einen Migrationsguide erarbeitet.

(mai)