以前、Jupyter Notebookを導入して、Pythonのインタラクティブ実行をする書きました。
この記事ではJupyter Notebookそのものを使ってみる環境構築をします。
前提条件として、PythonとVisual Studio Codeがインストールされている必要があります。
前回の記事は以下です。
仮想環境の構築と切り替え
適当なフォルダを開き、venv環境を作ります。今回は、現在のフォルダ以下に作ります。以下のコマンドでvenv環境を作ることができます。
python -m venv ./jupyter
ターミナルはCtrl+@で開きます。./jupyterのところは好きに変えてください。
venvについては以下の記事にもう少し詳しく書いてあります。
続いて、F1からpython select interpreterなどと検索し、Python: インタープリターを選択をクリックします。
ターミナルは一度閉じて再度開き、先頭に(Jupyter)とついていることを確認してください。
Jupyter Notebookのインストールと作成
F1からcreate newなどと検索し、Python: Create New Blank Jupyter Notebookをクリックします。
print("hello")などと適当なコードを打ち込み、Shift＋Enterで実行しようとします。すると、次の画像のように失敗します。
失敗画面のInstallボタンをクリックし、Jupyterやnotebookをインストールします。
同じようにShift+Enterを押すと、エラーなく動くと思います。
Jupyter Notebookのデバッグ実行
Run by lineボタンのクリックもしくはF10キーでデバッグ実行することができます。
デバッグ実行すると、現在のプログラム位置がハイライト表示されます。
実行途中の変数もマウスオーバーすることによって確認することができます。
画像に赤丸で示したshow variables active in jupyter kernelボタンをクリックすることで、全ての変数とその値を見ることができます。
マークダウンの記述
Change to markdownボタンをクリックすることで、マークダウンの記述をすることができます。このボタンを押すと、セルが閉じてしまうので、ダブルクリックしてもう一度開きます。
後は好きなようにマークダウンを書くことができます。
Pythonコードとマークダウンを組み合わせて、説明しながら実際に動かすということができます。
最後に
Visual Studio CodeでJupyter Notebookをインストールし、ノートブックを作成し、動作し、一行ずつデバッグし、マークダウンで説明を記載する手順についての説明でした。
本来であれば、マークダウンを用いて説明ができるというところがJupyter Notebookの利点だと思うのですが、あまりそのことについて触れている記事は見たことありません。
pandasによるデータ分析、scikit-learnでの機械学習、matplotlibなどのグラフ可視化と組み合わせることによって、ものすごい強力なツールとなるでしょう。
私はMarkdownをこちらの書籍で学びました。Markdownは一度見につければ、様々な場面で役に立ちます。
以下の現場で使えるシリーズもおすすめです。Pythonの基礎から理解することができ、数学的なバックグラウンドも書いてあり、非常に実用的な内容でバランスの良い本だと思います。
