IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)

Vous êtes nouveau sur Developpez.com ? Créez votre compte ou connectez-vous afin de pouvoir participer !

Vous devez avoir un compte Developpez.com et être connecté pour pouvoir participer aux discussions.

Vous n'avez pas encore de compte Developpez.com ? Créez-en un en quelques instants, c'est entièrement gratuit !

Si vous disposez déjà d'un compte et qu'il est bien activé, connectez-vous à l'aide du formulaire ci-dessous.

Identifiez-vous
Identifiant
Mot de passe
Mot de passe oublié ?
Créer un compte

L'inscription est gratuite et ne vous prendra que quelques instants !

Je m'inscris !

DataSpell EAP : JetBrains publie une mise à jour de son EDI pour la science des données
Avec plusieurs nouveautés et améliorations majeures

Le , par Michael Guilloux

48PARTAGES

5  0 
Avec la popularité croissante de Python comme langage pour la science des données, il était naturel pour JetBrains que PyCharm, son EDI Python, soit enrichi de fonctionnalités pour la science des données. C’est ainsi que l'entreprise a commencé à travailler à l’amélioration significative de la prise en charge de la science des données par PyCharm, en s'appuyant sur les commentaires qu'elle a reçus l’année dernière. Au cours de ce processus, JetBrains a pu mieux cerner les différences entre les workflows et les attentes en matière d’outils des data scientists et des développeurs de logiciels. JetBrains a donc lancé, en mars dernier, un nouvel environnement de développement intégré pour la science des données, appelé DataSpell. Et le mois dernier, le Programme d’Accès Anticipé de DataSpell, qui était privé, a été ouvert à tous. Un mois après l’annonce de l’ouverture de son programme d’accès anticipé (EAP), JetBrains publie un deuxième build de DataSpell qui apporte plusieurs améliorations majeures : variables Jupyter, interpréteurs d’espace de travail, fichier Diff pour Notebooks, Pycharm et bien plus. Nous présentons dans la suite les nouveautés du nouveau build EAP avec plus de détails.

Fenêtre d’outils pour les variables Jupyter

Si vous utilisez des notebooks locaux, vous trouverez la nouvelle fenêtre d’outils Jupyter Variables dans la partie droite. Dans les builds précédents, la seule façon d’accéder aux variables du notebook sélectionné était de passer par l’onglet Variables de la fenêtre d’outils Jupyter. À présent, les variables actives sont visibles directement à côté du notebook.


Widget d’interpréteur prenant en compte l’espace de travail

Une autre amélioration notable réside dans le nouveau widget Interpreter, accessible depuis la barre d’état. Auparavant, ce widget n’apparaissait que si un notebook ou un script Python était ouvert. Et le widget n’affichait que l’interpréteur correspondant au fichier utilisé. Désormais, il est constamment visible. Vous pouvez cliquer dessus pour afficher l’aperçu des interpréteurs de l’ensemble des dossiers attachés et les modifier si besoin.


Diff pour les notebooks lisibles par l’humain

Lorsque vous stockez des notebooks Jupyter dans Git, il peut devenir difficile de suivre les changements locaux car Git considère les notebooks comme des fichiers JSON par défaut. Avec le nouveau build de DataSpell EAP, vous pouvez voir les modifications locales côte à côte, aussi bien pour les cellules que pour leurs résultats :


Résultats de tableaux interactifs dans la console Python

Les résultats de type pandas.DataFrame, pandas.Series et numpy.array s’affichent désormais sous forme de tableaux interactifs que vous pouvez parcourir dans la console Python. Cette présentation des résultats est similaire à celle des Notebooks Jupyter.


Autres améliorations

Cette mise à jour a également été l’occasion de corriger des bugs importants. À présent, les notebooks affichent correctement les journaux de progression ASCII (notamment ceux des bibliothèques TensorFlow ou PyTorch). Vous trouverez la liste complète des modifications dans les notes de publication.

PyCharm

PyCharm 2021.3 EAP integre la prise en charge de DataSpell pour les notebooks locaux. Les utilisateurs de PyCharm Professional peuvent désormais s’appuyer sur les notebooks Jupyter locaux pour analyser les données et prototyper des modèles de machine learning.

En tant qu’utilisateur de Python, vous êtes probablement impliqué dans des activités de développement de logiciels, d’analyse exploratoire des données et de prototypage de modèles de machine learning. Comment choisir entre DataSpell et PyCharm ? Si le choix nécessite de prendre en considération bon nombre d'aspects, la règle générale est la suivante :

Si votre activité principale est le développement de logiciels, choisissez PyCharm. Si c’est la science des données, utilisez plutôt DataSpell.

Si vous êtes impliqué dans ces deux activités, vous pouvez utiliser exclusivement PyCharm ou utiliser les deux produits en parallèle.

Tout comme PyCharm est un EDI s’adressant aux développeurs professionnels, DataSpell est un EDI destiné aux professionnels de la science des données.

Feuille de route

Pour les prochains builds EAP à venir cette année, JetBrains prévoit dans sa feuille de route :

  • Une meilleure prise en charge des notebooks distants (avec notamment la prise en charge des protocoles HTTPS et SSH)
  • La prise en charge des interpréteurs SSH
  • L’unification des actions des cellules dans les notebooks Jupyter et les scripts Python
  • Des améliorations relatives à la console Python
  • Des capacités supplémentaires pour gérer plusieurs dossiers attachés (comme la présélection de l’interpréteur approprié)
  • Des améliorations pour le rendu des résultats dans les notebooks.

Télécharger DataSpell EAP 2021.3

Une erreur dans cette actualité ? Signalez-le nous !