Warum wir Jupyter lieben
Beim Einsatz von Jupyter Notebooks gibt es einiges an Konfliktpotential zum Beispiel zwischen traditionellen Softwareentwicklern und experimentierenden Wissenschaftlern. In der binären Welt von “hate it or love it” schlagen wir uns auf die Seite von “love it”.
Video: I don’t like notebooks.
In seinem Talk auf der jupytercon 2018 hat Joel Grus seine Meinung zu Jupyter Notebooks ausgiebig kund getan.
Video: I Like Notebooks
Als Reaktion auf diesen populären Talk hat Jeremy Howard seine Gegenargumente aufgenommen und veröffentlicht. 1
Warum sind wir mit Jupyter Notebooks zufrieden?
Im FDMLab machen wir viele Experimente, deren Fragen und Ergebnisse wir parallel zum dafür benötigten Code festhalten wollen. Prinzipiell geht das in Richtung von “Literate Programming” und hilft uns auch nach Monaten noch unsere Experimente zu verstehen oder die Ergebnisse Dritten zur Verfügung zustellen. 2
Hierfür nutzen wir zusätzlich die folgenden Werkzeuge:
- nbconvert zum Erzeugen von Berichten.
- papermill zur parametrisierten Ausführung von Notebooks.
- nb_black zur automatisierten Formatierung von Quellcode.
Prinzipiell lohnt es sich im Vorfeld des Projektes Gedanken zu machen, wie groß das Projekt wird und ob man ggf. doch eine Kombination aus Jupyter Notebooks und traditionellem Softwarecode benötigt.
In dem Video von Jeremy Howard wird ausgiebig auf nbdev Bezug genommen, wozu wir leider noch keine Gelegenheiten hatten es einzusetzen. ↩︎
D. E. Knuth, Literate Programming, The Computer Journal, Volume 27, Issue 2, 1984, Pages 97–111, https://doi.org/10.1093/comjnl/27.2.97 ↩︎
Benjamin Rosemann
Data Scientist
Ich evaluiere KI- und Software-Lösungen und integriere sie in den Archivalltag.