Jupyter-Befehle: Schnellreferenz für Notebooks und JupyterLab

Jupyter ist ein Ökosystem für interaktives, dokumentbasiertes Programmieren. Der Name steht für die drei Kernsprachen Julia, Python und R. Aus dem früheren IPython Notebook wurde 2014/2015 das Jupyter Notebook, seit 2018 ergänzt um die moderne Oberfläche JupyterLab. Jupyter-Notebooks sind JSON-Dokumente (Endung .ipynb), die Code-, Markdown- und Ausgabezellen kombinieren — ideal für Data Science, Lehre und Dokumentation.

Notebook und JupyterLab starten

jupyter notebook          # klassische Notebook-Oberfläche im Browser
jupyter lab               # JupyterLab (IDE-artige Oberfläche)
jupyter kernelspec list   # installierte Kernel anzeigen

Arbeiten mit Zellen

  • Jede Zelle ist entweder Code oder Markdown; die Umschaltung erfolgt per Y (Code) bzw. M (Markdown) im Command-Modus.
  • Shift+Enter führt die aktuelle Zelle aus und springt zur nächsten; Enter wechselt in den Edit-Modus, Esc zurück in den Command-Modus.
  • Neue Zellen: A (oberhalb), B (unterhalb); löschen mit dd.
  • Der Kernel ist die sprachspezifische Rechen-Engine (IPython für Python, IRkernel für R, IJulia für Julia). Über das Kernel-Menü lassen sich Kernel neu starten oder wechseln.

Magics und Export

Im Notebook stehen die IPython-Magics zur Verfügung: %timeit misst Ausführungszeiten, %matplotlib inline bettet Diagramme direkt in die Ausgabezelle ein. Für die Weitergabe exportiert man Notebooks in andere Formate:

jupyter nbconvert --to html notebook.ipynb
jupyter nbconvert --to script notebook.ipynb   # nur den Code extrahieren

Verwandte Werkzeuge

Die Grundlage aller Jupyter-Kernel ist die interaktive IPython-Shell, Umgebungen verwaltet man bequem mit Conda. Die zugrunde liegende Sprache ist Python; Cloud-Dienste wie Google Colab bieten Jupyter-Notebooks ohne lokale Installation. In der Datenanalyse ist Jupyter der Standard-Arbeitsplatz — vergleichbar mit MATLAB oder R für numerische Berechnungen. Auch für maschinelles Lernen ist die Notebook-Umgebung der übliche Einstieg.