Getting Started with JupyterLab Tutorial

Programlama dilleri olmadan yazılım geliştirmeyi anlamak imkânsızdır. Doğru, programlama dili olmayan bir yazılımcı, arabası olmayan bir taksi şoförüne benzer. Ancak işler daha karmaşıktır. GPS nasıl taksi şoförlerinin işini kolaylaştırıyorsa, Tümleşik Geliştirme Ortamları (Integrated Development Environments – IDE) da programcıların işini öyle kolaylaştırır. 

IDE’ler, programcıların kod yazmasını ve yazılım uygulamalarını daha verimli geliştirmesini sağlamak için tasarlanmıştır. Birden fazla aracı tek bir arayüzde bir araya getirerek programcı verimliliğini artırırlar. Yazma, test etme ve hata ayıklamanın yanı sıra sözdizimi vurgulama, parantez eşleştirme ve kod tamamlama gibi düzenleme işlevleri, modern IDE’lerin en yaygın özellikleri arasındadır. 

Veri bilimi için özellikle uygun birçok IDE vardır; bunlar arasında DataCamp’in DataLab’i de bulunur. Bu yazıda sizi, muhtemelen veri bilimi için en popüler IDE olan Jupyter Notebook’un yeni nesli JupyterLab ile tanıştıracağız. 2018’de yayımlanan JupyterLab, esnek bir kullanıcı arayüzü ve klasik Jupyter Notebook’tan daha fazla özellikle gelir ve şüphesiz Project Jupyter’in bugünü ve geleceğidir. JupyterLab ile başlamak ister misiniz? Okumaya devam edin!

Jupyter Notebook’a Kısa Bir Giriş

Jupyter Notebook ilk kez 2014’te kullanıma sunulduğunda, IDE dünyasını hızla dönüştürdü. Bilimsel yayıncılık sürecini sonsuza dek değiştiren en önemli bilgi işlem projelerinden biri olarak görülen Jupyter, veri biliminde fiilî standart haline geldi.

Jupyter Notebook, sunucu-istemci uygulaması olarak çalışır ve geliştiricilerin defterleri (notebook) bir web tarayıcısı üzerinden düzenleyip çalıştırmasına olanak tanır. Uygulama internet erişimi olmayan bir bilgisayarda çalıştırılabilir ya da uzak bir sunucuya kurulup internet üzerinden erişilebilir.

Baştan Julia, Python ve R’ı desteklemek üzere tasarlanmıştı—ki bunlar, en popüler veri bilimi programlama dillerinden üçüdür—bugün Jupyter 40’tan fazla programlama dilini desteklemektedir. 

Jupyter iki ana bileşenden oluşur.

• Çekirdek (Kernel). Kullanıcının kodunu çalıştıran ve inceleyen bir programdır. Varsayılan olarak Jupyter’de Python kodu için bir çekirdek bulunur, ancak diğer programlama dilleri için de çekirdekler mevcuttur.
• Kontrol paneli (Dashboard). Bir defter, kod, metin, görselleştirme, görseller ve formüller gibi ögeler içerebilen hücre dizilerinden oluşur. Hücrelerin yanı sıra kontrol paneli, defter iş akışını yapılandırma, kodda hata ayıklama, defterleri farklı biçimlerde dışa aktarma, belgelerde gezinti yapma ve daha fazlası için çeşitli araçlar içerir. 

Jupyter Notebook’un geliştirilmiş bir sürümü olarak JupyterLab, çekirdek bileşenler aynı kalmakla birlikte yeni özellikler ve yetenekler ekler.

JupyterLab’e Başlangıç

JupyterLab’i kullanmak için, diğer programlarda olduğu gibi önce bilgisayarınıza kurmanız gerekir. Bu, tercihinize göre farklı yollarla yapılabilir: pip, Anaconda veya Docker kullanarak.

pip ile JupyterLab kurulumu

pip, Python’daki standart paket yöneticisidir. JupyterLab’i pip ile kurmak için komut satırında şunu çalıştırmanız yeterlidir:

>>pip install jupyterlab

Bu komutu çalıştırdıktan sonra pip, JupyterLab paketlerini ve çalışması için gereken tüm bağımlılıkları kuracaktır. Python’da paketleri nasıl yöneteceğiniz hakkında daha fazla bilgi edinmek isterseniz Paket Yönetimi için Pip Python Eğitimimize göz atın.

JupyterLab’i bilgisayarınıza başarıyla kurduktan sonra, JupyterLab’i açmak için aşağıdaki komutu çalıştırmanız yeterlidir:

>>jupyter lab

Ardından uygulama, tercih ettiğiniz web tarayıcısında şu adreste açılacaktır: http://localhost:8888/lab 

Anaconda ile JupyterLab kurulumu

Anaconda; bir paket yöneticisi, bir ortam yöneticisi ve birçok açık kaynak paketi içeren bir Python dağıtımıdır. Veri bilimine başlamak istiyorsanız Anaconda harika bir seçenektir. Python’u veya JupyterLab’i nasıl kuracağınızı dert etmenize gerek kalmaz; modern Anaconda dağıtımlarında bunlar otomatik olarak kurulur.

JupyterLab’i başlatmanın en kolay yolu, Anaconda işlevlerini kullanıcı dostu ve kodsuz bir şekilde kullanmanıza olanak tanıyan bir uygulama olan Anaconda Navigator’dür. Aşağıdaki resimde de görebileceğiniz gibi, hem Jupyter Notebook hem de JupyterLab zaten kurulu gelir. Web tarayıcınızda JupyterLab’i açmak için Launch düğmesine tıklamanız yeterlidir. 

Ancak bazı durumlarda—örneğin yeni bir conda ortamı oluşturduğunuzda—o ortamda JupyterLab’i kurmanız gerekebilir. Bunu yapmak için en hızlı yol, conda komut satırında (Windows’da Anaconda Prompt, macOS ve Linux’ta terminal) aşağıdakini çalıştırmaktır:

>>conda install -c conda-forge jupyterlab

Docker ile JupyterLab kurulumu

Docker, yazılımı konteynerlarda çalıştırmak için açık bir platformdur. Bu konteynerlar, uygulamalarınızı altyapınızdan ayırmanıza olanak tanıyan, kendi kendine yeten ve yalıtılmış süreçlerdir; böylece yazılımı hızlıca sunabilirsiniz. 

Docker kuruluysa, Jupyter Docker Stacks tarafından desteklenen birçok Docker imajından birini seçerek JupyterLab’i kurup kullanabilirsiniz. Bu imajları, çalıştırdığınızda Docker’dan otomatik olarak indirilebilen, önceden paketlenmiş yazılım demetleri olarak düşünebilirsiniz.

Örneğin, Julia, Python ve R’dan veri analizi kütüphanelerini içeren jupyter/datascience-notebook Docker imajını kurmak istiyorsanız, Docker komutunda aşağıdakini çalıştırmanız yeterlidir:

>>docker run -it -p 10000:8888 -e JUPYTER_ENABLE_LAB=yes jupyter/scipy-notebook

Docker’da JupyterLab’in nasıl kullanılacağına dair daha fazla ayrıntı ve örnek için belgelere göz atın. Ayrıca Docker’a ayrıntılı bir giriş için bu DataCamp eğitimini şiddetle öneririz.

JupyterLab Arayüzü

JupyterLab arayüzü, Jupyter Notebook arayüzünün yeniden düzenlenmiş bir sürümüdür ve etkileşimli ve verimli hesaplama için yeni bir modüler yapı taşları seti sunar. JupyterLab, birçok kodlama aracını tek bir arayüze entegre eder ve böylece deneyimi daha geleneksel IDE’lere benzetir. 

JupyterLab arayüzü aşağıdaki temel ögelerden oluşur: 

• Çalışma alanı. Ana çalışma alanı, farklı belgeleri (defterler, veri dosyaları, HTML, PDF’ler, görseller vb.) ve kodlama araçlarını (terminal, kod konsolları, metin düzenleyici vb.) yeniden boyutlandırılabilen veya sürükle-bırak ile alt bölümlere ayrılabilen sekme panelleri halinde birleştirmenize olanak tanıyan yeni bir sekme tabanlı yerleşimle gelir. Jupyter Notebook’ta bulunmayan bu sekme tabanlı sistem, geliştiricilerin işlerinin çoğunu JupyterLab’den ayrılmadan yapabilmelerini sağladığı için daha bütünleşik ve verimli programlama sunar. 
• Sol kenar çubuğu. Katlanabilir bu kenar çubuğu, aşağıdakiler dahil sık kullanılan çeşitli sekmeleri içerir:
  • Dosya gezgini. Bilgisayarınızdaki dosya ve klasörleri yönetmenizi sağlar.
  • Sekme ve çekirdek yöneticisi. Ana çalışma alanındaki sekmelerin ve çalışan çekirdeklerin ve terminallerin bir listesini sunar.
  • İçindekiler tablosu. Markdown hücrelerine dahil edilen başlıklara dayalı etkileşimli bir dizin.
  • Eklenti yöneticisi. JupyterLab deneyiminizi geliştirmek için yeni uygulamalar ve eklentiler kurmanızı sağlar (aşağıda daha fazlası). 
• Sağ kenar çubuğu. İkinci bir katlanabilir kenar çubuğu olup şunları içerir:
  • Özellik denetçisi. Hücrelerin bilgi ve özelliklerini yakından incelemenizi sağlar. 
  • Hata ayıklayıcı (aşağıda daha fazlası)
• Menü çubuğu. JupyterLab’in üst kısmındaki menü çubuğu, JupyterLab’de kullanılabilen eylemleri içeren üst düzey menüler barındırır. Farklı menüler şunlardır: 
  • File: dosya ve dizinlerle ilgili eylemler.
  • Edit: belgeleri düzenleme ve diğer etkinliklerle ilgili eylemler.
  • View: JupyterLab’in görünümünü değiştiren eylemler.
  • Run: farklı etkinliklerde kod çalıştırma eylemleri.
  • Kernel: çekirdekleri yönetme eylemleri.
  • Tabs: çalışma alanındaki açık belgeler ve etkinliklerin listesi.
  • Settings: genel ayarlar ve gelişmiş ayar düzenleyicisi. JupyterLab’in en hoş özelliklerinden biri, Koyu Mod dahil arayüz için farklı temaları seçme imkânıdır.
  • Help: JupyterLab ve çekirdek yardım bağlantılarının listesi.

JupyterLab’de Hata Ayıklama

Hata ayıklamanın amacı, test sürecinde programınızda bulunan hataların nedenlerini belirlemek ve böylece kodunuzu istenen, doğru sonucu üretecek şekilde düzeltmektir. 

Veri profesyonelleri ve genel olarak yazılım geliştiricileri, hata ayıklama sürecinde programın değişkenleri arasındaki etkileşimleri ve değişimleri izler. Her bir fonksiyonun, metodun veya hatta kod satırının değişkenlerin değerini ve işlevini nasıl değiştirdiğini görerek programınızdaki hataların olası nedenlerini araştırabilirsiniz.

Jupyter Notebook ve JupyterLab’in ilk sürümleri, hata ayıklama işlemleri için %debug yerleşik sihirli komutunu içeriyordu. Ancak bu araç, diğer IDE’lerdeki hata ayıklayıcılarla karşılaştırıldığında oldukça ilkel kalıyordu. 

Neyse ki JupyterLab’in son sürümleri, varsayılan olarak bir Hata Ayıklayıcı ön ucu içerir. Geleneksel hata ayıklama yeteneklerini, yani kesme noktaları belirleme, fonksiyonlara adım adım girme ve değişkenleri incelemeyi sunar. Aşağıdaki resimde gösterildiği gibi sağ kenar çubuğundan etkinleştirilebilir: 

JupyterLab Eklentileri

JupyterLab, kodlama deneyiminizi daha IDE benzeri yapacak yeni özelliklerle zaten güçlü ve donanımlı bir araçtır. Ancak bazı işlevlerin eksik olduğunu düşünüyorsanız veya JupyterLab yeteneklerini artırmak istiyorsanız, Jupyter Eklentilerine göz atmalısınız.

JavaScript ile yazılan JUpyterLab eklentileri, JupyterLab’e yeni yetenekler eklemek için bir veya daha fazla eklenti (plugin) içeren yazılım parçalarıdır; yeni temalar, dosya düzenleyicisi ve yeni komut kısayolları gibi. 

İki tür JupyterLab eklentisi vardır: 

• Hazır (prebuilt) eklenti. JupyterLab’in yeniden derlenmesini gerektirmezler.
• Kaynak (source) eklenti. Kurulduğunda JupyterLab’in yeniden derlenmesini gerektirirler. JupyterLab’i yeniden derlemek için, JavaScript uygulamalarını çalıştırmak üzere açık kaynak, çapraz platform bir ortam olan Node.js’in kurulu olması gerekir. 

conda’yı conda-forge paketleriyle kullanıyorsanız, Node.js’i şu komutla edinebilirsiniz:

>>conda install -c conda-forge nodejs

JupyterLab eklentilerini yönetmenin birkaç yolu vardır, ancak yerleşik Eklenti Yöneticisini kullanmanızı önemle tavsiye ederiz. Sol kenar çubuğundaki yapboz simgesinden ulaşılan Eklenti Yöneticisi, hiçbir kod yazmadan eklentileri kurup devre dışı bırakmanıza olanak tanır.

JupyterLab eklentileri ve bunları nasıl yöneteceğiniz hakkında daha fazla bilgi için JupyterLab belgelerine göz atın.

JupyterLab ve Jupyter Notebook Karşılaştırması

​​Aşağıda, Jupyter Notebook ile JupyterLab arasındaki farkların bir tablosunu bulabilirsiniz:

DataLab

Kodu birlikte yazmanıza, verileri birlikte analiz etmenize ve bulgularınızı paylaşmanıza olanak tanıyan çevrimiçi, bulut tabanlı bir IDE arıyorsanız DataLab harika bir seçenektir. 

DataCamp tarafından geliştirilen DataLab, hızlı ve kolay başlamanıza yardımcı olmak üzere tasarlanmış bulut tabanlı bir veri analizi platformudur. DataLab ile zaman alıcı kurulum sürecini atlayabilir ve verilerle çalışmaya hemen başlayabilirsiniz. Hiçbir şey kurmanıza gerek yoktur; her şeye tarayıcınız üzerinden erişebilirsiniz. 

DataLab’i kullanırken, anında kullanabileceğiniz yerleşik veri setleri ve önceden yazılmış kod içeren hazır şablonlar bulacaksınız. DataLab, etkileyici raporlar ve görselleştirmeler oluşturmak için düşük kod ve kodsuz araçlarla tüm beceri seviyelerine hitap eder. 

Ayrıca Python ve R’ı destekler; her ikisi de yerel SQL entegrasyonlarıyla gelir ve dünyanın en popüler veri bilimi paketleriyle önceden yapılandırılıp kurulmuş halde sunulur.