Не только Jupyter Notebook: еще 4 IDE и текстовых редакторов Python для Data Science

Существует много разных интегрированных сред разработки (IDE) и текстовых редакторов для программирования на Python, но не все они подойдут для Data Science проектов. Поэтому мы отобрали для вас 4 бесплатных инструмента написания и форматирования кода, которые могут быть использованы вместо Jupyter Notebook. Читайте далее про ключевые особенности PyCharm, Spyder, VS Code и JupyterLab.

1. PyCharm

PyCharm — это интегрированная среда разработки (IDE) для профессиональных разработчиков и Data Scientist’ов от компании JetBrains, которая была основана российскими программистами [1]. PyCharm является кроссплатформенной IDE, поэтому может работать на MS Windows, GNU/Linux, MacOS.

Основные особенности:

  • Умный анализ кода, автоформатирование, подсветка синтаксиса;
  • Просмотр документации исходного кода, доступный благодаря абстрактному синтаксическому дереву (AST);
  • Отладчик, который помогает не только следить за шагами выполнения программы, но и проходиться по исходному коду;
  • Встроенная поддержка Jupyter Notebook с возможностью просматривать переменные каждой ячейки.
  • Возможность работать с базами данных: PostgreSQL, Microsoft SQL Server, ClickHouse, MongoDB, Apache Hive, Apache Cassandra и многими другими.
  • Совместимость с пакетными менеджерами Pip и Anaconda.

2. Spyder

Spyder — это кроссплатформенная IDE с открытым исходным кодом, применяемая для научных исследований на Python [2]. Причём, и сама среда разработки написана на Python. Spyder может интегрироваться с Matplotlib, SciPy, NumPy, Pandas, IPython, SymPy и другим Data Science библиотеками.

Особенности:

  • Предназначено, в первую очередь, для Data Scientist’ов, инженеров, аналитиков.
  • Возможность совмещать текстовый редактор и Jupyter Notebook;
  • Интеграция с Matplotlib, NumPy, Pandas позволяет просматривать и сохранять графики, редактировать массивы и таблицы DataFrame;
  • Интерактивный отладчик кода.

3. Visual Studio Code

Visual Studio Code (VS Code) — это текстовый редактор с открытым исходным кодом, разработанный Microsoft [3]. Visual Studio Code создан на базе Electron – фреймворк разработки графических интерфейсов для развёртывания приложений Node JS на компьютере. Несмотря на то, что плагин для Python-разработки был включен в VS Code только с 2018 года, у него есть ряд преимуществ:

  • Легкость. В отличие от Spyder и PyCharm, VS Code — это текстовый редактор, а не IDE, поэтому скорость работы выше;
  • Возможность работы с Jupyter Notebook (интерфейс схож с тем, что в PyCharm);
  • Магазин расширений, где каждый может подобрать себе необходимое: плагины автоформатирования, автозаполнения, интеграции с базами данных и т.д. В результате, можно сделать из VS Code настоящую IDE;
  • Большой выбор тем оформления.

4. JupyterLab

В 2018 году был выпущен не только плагин Python для VS Code, но также в свет вышел JupyterLab — интерактивная среда разработки для работы с Jupyter Notebook [4]. Такие блокноты в формате .ipynb, которые открываются в браузере, нашли свою нишу в Data Science, поскольку позволяют мгновенно проверять свои идеи, проводить анализ и обучать модели машинного обучения (Machine Learning). JupyterLab предлагает больше возможностей, чем обычный Jupyter Notebook.

Основные особенности:

  • Есть отладчик кода, чего нет в обычном Jupyter Notebook;
  • Просмотр значений переменных, строк и таблиц DataFrame;
  • Управление и редактирование файлов языков разметки (markdown), файлов Python и R, блокнотов Jupyter, файлов CSV (comma-separated values) и JSON (JavaScript object notation).
  • Дополнительные расширения для работы с картами, с Git, с базами данных, для визуализации данных и многое другое [5].

 

 

А о том, как использовать эти инструменты для решения реальных задач Data Science, вы сможете узнать на наших курсах по Python в лицензированном учебном центре обучения и повышения квалификации IT-специалистов в Москве.

Источники
  1. https://www.jetbrains.com/help/pycharm/
  2. https://www.spyder.com/
  3. https://code.visualstudio.com/
  4. https://jupyter.org/
  5. https://jupyterlab.readthedocs.io/en/stable/user/extensions.html

Добавить комментарий

Поиск по сайту