V roce 2011 řešili Fernando Pérez a Brian Granger, jak co nejjednoduššeji a nejotevřeněji zpracovávat svá data a algoritmy a sdílet je s ostatními. V podstatě nějak tak, jako to dělá Mathematica se svými notebooky. A tak vznikl projekt IPython.
Zpočátku byl zaměřený čistě na Python, paralelní zpracování a jednoduchý – ale velmi mocný! – webový „pracovní list“ (notebook). Jelikož se projekt – nepřekvapivě – velmi osvědčil, došlo v roce 2014 k oddělení jazykově nezávislých částí do nového projektu pod jménem Jupyter (jméno po jazycích Julia, Python a R), přičemž IPython-kernel slouží nadále k obsluze pythoních záležitostí a pro další jazyky a nástroje jsou k dispozici kernely další.
Dnes můžeme Jupyter používat ve dvou základních provedeních:
Pro základní použití (zvlášť jako výukový list nebo přehled výsledků práce) asi stále bohatě stačí starý dobrý Notebook, pouze pro komplikovanější zpracování dat bude potřeba více tabů s různou funkcionalitou (a dokonce i kernely).
Jelikož Jupyter (a obzvláště pak Jupter Lab) s sebou přitáhne OHROMNÉ množství balíčků závislostí, vřele doporučuji instalovat je do vlastního virtuálního prostředí:
Pak už si můžete vybrat, co nainstalujete za variantu:
V této základní instalaci bude Jupyter obsahovat pouze kernel IPython, čili podporu pro jazyk Python. Jiné kernely si musíte doinstalovat sami (řiďte se popisem u příslušného kernelu).
Notebook i Lab se například na Windows dají nainstalovat i tak, že na ně budete mít odkaz v menu (který zajistí jeho spuštění ve správném prostředí a rovnou otevře tab v prohlížeči na příslušnou stránku). Jinak se pouští z příkazové řádky (v příslušném virtuálním prostředí):
Uvedený příkaz spustí jupiteří server (ve výchozím nastavení na adrese http://localhost:8888) a s trochou štěstí se vám rovnou otevře příslušná stránka i v prohlížeči. Pokud ne, stačí vypsanou adresu z konzole zkopírovat a otevřít ji v prohlížeči ručně.
PS: Notebook se v prohlížeči otevře jako průzkumník nad souborovým systémem (v adresáři, kde jste ho ručně spustili, nebo v nějakém výchozím v jiném případě), Lab pak na stejném místě, jen v podstatě jako kompletní vícetabové IDE.
Spouštění z příkazové řádky můžete ovlivnit MNOHA přepínači. Pro začátek určitě postačí následující:
--port PORT – spustí jupiteří server na uvedeném portu (výchozí je 8888);
--notebook-dir=ADRESÁŘ – nasměruje prostředí na uvedený adresář (výchozí je '', tedy aktuální adresář spuštěné instance);
--help – vypíše kompletní nápovědu k příkazové řádce Jupyteru.
Jelikož instalace Jupyteru sama o sobě obsahuje doslova armádu balíčků, je vhodné více různých projektů spravovat z jednoho Jupyteru provázáním IPython'u s příslušnými virtuálními prostředími projektů. Tak se vám nebudou tolik motat balíčky projektů a balíčky Jupyteru samotného.
Příklad v Condě pro virtuální prostředí myenv:
Problém je, že aby to fungovalo, musíte v příslušném prostředí mít nainstalovaný ipykernel, který s sebou bohužel i tak přitáhne další dvacítku závislostí :-(
Zatímco samotný Jupyter se instaluje jako balíček Condy, takže od základu obsahuje Python se vším všudy, jiné kernely jsou pochopitelně závislé na jiných jazycích (případně i dalších programech) a často už nejsou k dispozici ani v rámci nějakého kondího kanálu. Jejich instalace tudíž vyžaduje více či méně dalších různě složitých kroků.
Jako příklad si nainstalujeme kernel IJavascript, který do Jupyteru přidá podporu pro JavaScript. Jeho externí závislosti jsou poměrně jednoduché, stačí „pouze“ funkční instalace Node.js (a tím pádem i npm).
Jakmile máme – libovolným způsobem – nainstalovené a rozchozené Node.js, je instalace javascriptího kernelu triviální záležitost, protože ji za nás udělá balíčkovací systém npm:
Nyní už je javascriptí kernel k dispozici v Jupyteru. Stačí tudíž standardně pustit například notebook (jupyter notebook) a vybrat jako kernel místo IPython právě IJavascript.