Jupyter Lab review: A powerful tool for documenting your data science journey

La publication scientifique a traditionnellement été une affaire plate et statique. Vous rédigez vos recherches dans un document, qui est généralement un fichier PDF avec du texte et du code. Quelqu’un le lit et peut utiliser des aspects de vos recherches dans ses propres projets. Mais et si vos documents étaient plus intelligents ? Ne serait-il pas utile d’avoir un article de science des données ou un document de tutoriel de programmation que vous puissiez réellement interagir ? C’est ce que JupyterLab, un outil gratuit de Project Jupyter, vise à fournir. Les meilleurs langages de programmation à apprendre pour 2023 Traditionnellement, les programmeurs ont écrit des programmes Python dans un fichier basé sur le texte avec une extension .py. Si vous vouliez expliquer ce que le code source du document faisait, vous écririez des blocs de commentaires pour donner aux autres une idée de ce que vous pensiez lorsque vous avez écrit le programme. Ce type de commentaire est parfait pour le code que les gens regardent rarement, comme celui qui s’exécute en arrière-plan lors des interactions avec une base de données sur un serveur. Si vous êtes un tuteur en informatique qui essaie d’expliquer comment les triages à bulles fonctionnent, ou un morphologiste biologique qui décrit comment vous avez utilisé un code pour cartographier la séquence de Fibonacci dans le disque d’un tournesol, le fait de mélanger du code qui s’exécute avec du texte et des images vous permet de raconter votre histoire scientifique de manière beaucoup plus intuitive. L’informaticien Donald Knuth a imaginé cela en 1984 dans un concept appelé programmation littéraire. Un fichier de programme littéraire s’exécute comme un fichier de programme non littéraire, mais il structure également et décrit ce code d’une manière qui a plus de sens pour l’auteur et son public.