{"id":196178,"date":"2021-10-22T09:55:00","date_gmt":"2021-10-22T08:55:00","guid":{"rendered":"https:\/\/blog.jetbrains.com\/blog\/2021\/10\/08\/dataspell-eap-19-jupyter-variables-workspace-interpreters-diff-for-notebooks-pycharm-and-more\/"},"modified":"2022-02-19T15:54:13","modified_gmt":"2022-02-19T14:54:13","slug":"dataspell-eap-19-jupyter-variables-workspace-interpreters-diff-for-notebooks-pycharm-and-more","status":"publish","type":"blog","link":"https:\/\/blog.jetbrains.com\/de\/blog\/2021\/10\/22\/dataspell-eap-19-jupyter-variables-workspace-interpreters-diff-for-notebooks-pycharm-and-more\/","title":{"rendered":"DataSpell EAP 19: Jupyter-Variablen, Workspace-Interpreter, Notebook-Diffs, PyCharm und mehr"},"content":{"rendered":"\n

Endlich ist das erste Update da, nachdem wir im vergangenen Monat DataSpell als EAP ver\u00f6ffentlicht haben!<\/p>\n\n\n\n

Zun\u00e4chst m\u00f6chten wir uns bei allen bedanken, die DataSpell ausprobiert und uns Feedback gegeben haben. Trotz der gefundenen Fehler scheint die Benutzergemeinde mit der Gesamterfahrung sehr zufrieden zu sein. Nat\u00fcrlich arbeitet unser Team intensiv daran, die gemeldeten Fehler zu beheben.<\/p>\n\n\n\n

30 Tage nach der Ank\u00fcndigung<\/a> der ersten \u00f6ffentlichen EAP-Version freuen wir uns, Ihnen unseren zweiten EAP-Build<\/a> mit mehreren wesentlichen Verbesserungen vorzustellen.<\/p>\n\n\n\n

DATASPELL EAP 2021.3 HERUNTERLADEN<\/a><\/p>\n\n\n\n

Was ist neu im neuen EAP-Build?<\/p>\n\n\n\n

Toolfenster f\u00fcr Jupyter-Variablen<\/strong><\/p>\n\n\n\n

Wenn Sie mit lokalen Notebooks arbeiten, finden Sie auf der rechten Seite das neue Toolfenster \u201eJupyter Variables\u201c. In fr\u00fcheren Builds konnten die Variablen im ausgew\u00e4hlten Notebook nur auf dem Tab \u201eVariables\u201c im Jupyter-Toolfenster eingesehen werden. Jetzt k\u00f6nnen die aktuellen Variablen direkt neben dem Notebook angezeigt werden.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Workspace-bezogenes Interpreter-Widget<\/strong><\/p>\n\n\n\n

Eine weitere wichtige Verbesserung ist das aktualisierte Interpreter-Widget, das in der Statusleiste verf\u00fcgbar ist. Bisher wurde das Widget nur angezeigt, wenn ein Notebook oder ein Python-Skript ge\u00f6ffnet wurde. Das Widget zeigte nur den Interpreter f\u00fcr die ge\u00f6ffnete Datei an. Das aktualisierte Widget wird jetzt immer angezeigt. Wenn Sie daraufklicken, werden die Interpreter f\u00fcr alle angeh\u00e4ngten Ordner angezeigt und k\u00f6nnen ge\u00e4ndert werden.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

\u00dcbersichtliche Diffs f\u00fcr Notebooks<\/strong><\/p>\n\n\n\n

Es kann umst\u00e4ndlich sein, lokale \u00c4nderungen an Jupyter-Notebooks in Git zu verfolgen, da Git Notebooks standardm\u00e4\u00dfig als JSON-Dateien behandelt. Im neuen EAP-Build von DataSpell k\u00f6nnen Sie lokale \u00c4nderungen \u2013 sowohl in Zellen als auch in den Ausgaben \u2013 \u00fcbersichtlich nebeneinander betrachten:<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Interaktive Tabellenausgabe in der Python-Konsole<\/strong><\/p>\n\n\n\n

In der Python-Konsole werden Ausgaben vom Typ pandas.DataFrame, pandas.Series und numpy.array jetzt als vollst\u00e4ndig interaktive und scrollbare Tabellen angezeigt. Dies entspricht weitgehend der Ausgabe in Jupyter-Notebooks.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Andere Verbesserungen<\/strong><\/p>\n\n\n\n

Das Update umfasst auch eine Reihe von wichtigen Fehlerbehebungen. Notebooks zeigen jetzt ASCII-Fortschrittsprotokolle (wie die der Bibliotheken TensorFlow oder PyTorch) korrekt an. Die vollst\u00e4ndige Liste der \u00c4nderungen finden Sie in den Versionshinweisen<\/a>.<\/p>\n\n\n\n

PyCharm<\/strong><\/p>\n\n\n\n

PyCharm 2021.3 EAP<\/a> bot integrierte DataSpell-Unterst\u00fctzung f\u00fcr lokale Notebooks. Jetzt k\u00f6nnen Sie in PyCharm Professional mit lokalen Jupyter-Notebooks arbeiten, um Daten zu analysieren und ML-Modellprototypen zu erstellen.<\/p>\n\n\n\n

Als Python-Benutzer*in sind Sie m\u00f6glicherweise an verschiedenen Aktivit\u00e4ten beteiligt \u2013 z. B. Softwareentwicklung, explorative Datenanalyse oder Prototyping von ML-Modellen. Welche IDE sollten Sie nun w\u00e4hlen, DataSpell oder PyCharm? Auch wenn wir auf diese Frage sp\u00e4ter n\u00e4her eingehen wollen, k\u00f6nnen wir gleich die folgende Faustregel festhalten:<\/p>\n\n\n\n

Wenn Ihr Schwerpunkt auf der Softwareentwicklung liegt, sollten Sie sich f\u00fcr PyCharm entscheiden. Wenn Sie sich in erster Linie mit Data Science besch\u00e4ftigen, sollten Sie DataSpell verwenden.<\/p>\n\n\n\n

Wenn Sie Softwareentwicklung und Data Science zu gleichen Anteilen betreiben, haben Sie die Wahl, entweder bei PyCharm zu bleiben oder beide Produkte nebeneinander zu verwenden.<\/p>\n\n\n\n

So wie PyCharm eine IDE f\u00fcr die professionelle Softwareentwicklung ist, ist DataSpell eine IDE f\u00fcr professionelle Datenwissenschaften.<\/p>\n\n\n\n

Roadmap<\/strong><\/p>\n\n\n\n

F\u00fcr die n\u00e4chsten zwei EAP-Builds, die f\u00fcr dieses Jahr geplant sind, haben wir Folgendes auf unserer Roadmap:<\/p>\n\n\n\n