Datenwissenschaft in Visual Studio Code mit Neuron

Ursprünglicher Autor: Lorenzo Silvestri
  • Übersetzung
Heute haben wir eine kurze Geschichte über Neuron, eine Erweiterung für Visual Studio Code, eine echte Killer-Funktion für Datengeneratoren. Sie können Python, jede Machine Learning Library und Jupyter Notebooks kombinieren. Mehr unter dem Schnitt!



Ein bisschen Kontext - auch bekannt als die Idee von Neuron


Data Science ist ein sehr modisches Phänomen des 21. Jahrhunderts. Angefangen mit IoT-Geräten, die täglich Tausende von Datenelementen erstellen, und mit sozialen Netzwerken, die Informationen über Personen auf einem bisher unbekannten Niveau konsolidieren, endet der Großteil der heute vorkommenden Technologieentwicklung früher oder später mit „Data Science“.

Datenstilleben kommen aus verschiedenen Branchen, aber die überwiegende Mehrheit von ihnen verwendet die Standardwerkzeuge: Python, <den Namen einer beliebten Machine Learning-Bibliothek einfügen> und Jupyter Notebooks.

Und hier hat Microsoft eine Idee: Können wir all diese Tools in einen einzigen, verständlichen Arbeitsbereich integrieren? Oder ist es möglich, eine Erweiterung für Visual Studio Code zu erstellen, mit der Daten direkt und direkt analysiert werden können, ohne den Entwicklungsprozess zu stören?

Die Vorteile liegen auf der Hand. Sie erhalten die Leistung eines intelligenten Python-Editors (Visual Studio Code) in Verbindung mit der Geschwindigkeit der Ausführung und Visualisierung von Jupyter Notebooks. Alles in einem Fenster. So wurde Neuron geboren.

Was macht Neuron und wie wird es angewendet?


Das Prinzip von Neuron ist einfach. Alles beginnt mit einem regulären Python- oder R-Editor in Visual Studio Code. Auf der anderen Seite des Bildschirms befindet sich das Neuron. Zunächst ist dies eine leere Seite. Wenn Sie jedoch Codeausschnitte ausführen, wird die Ausgabe zu interaktiven Bildern. Dies können einfache Texte, Tabellen, Bilder, Diagramme, Karten usw. sein. Hier ist ein Beispiel:



1. Installieren Sie die Erweiterung


Sie können das Neuron auf dem Marktplatz finden .

Nach der Installation erscheint eine Schaltfläche im Editorbereich. Sie wird immer vorhanden sein, wenn Sie eine unterstützte Datei (derzeit Python oder R) bearbeiten.



Wenn Sie darauf klicken, wird der Hauptausgabebereich von Neuron angezeigt.

2. Anpassung


Die Erweiterung verwendet Jupyter Notebooks im Hintergrund, um Visualisierungen zu erstellen. Wenn Sie mit der Datenanalyse vertraut sind, haben Sie wahrscheinlich Jupyter auf Ihrem Computer installiert. Wenn nicht, bietet Neuron an, es beim ersten Öffnen der Erweiterung zu installieren.

3. Über die Schnittstelle


Der erste Schritt ist das Schreiben des Codes. Die Erweiterung unterstützt derzeit Python und R, da dies die beiden am häufigsten verwendeten Sprachen bei der Datenanalyse sind. Öffnen Sie eine neue Python-Datei und schreiben Sie den Code:



Dies sind keine großen Daten, aber die Bedeutung ist klar. Um diesen Code auszuführen und das Ergebnis zu erhalten, müssen wir ihn nur auswählen und Alt + Enter drücken (Option + Return auf Mac). Und ... hier ist es!



Auf der rechten Seite befindet sich eine Karte mit der Ausgabe Ihres Codes. Sie können sie löschen, in der Liste nach oben und unten verschieben, minimieren oder in ein separates Fenster verschieben. Neuron verfolgt die mit jeder Karte verknüpften Codeausschnitte, damit Sie diese schnell finden und bei Bedarf erneut ausführen können.

4. Übergang zu aussagekräftigeren Ergebnissen


Schwierige Datenvisualisierung: Hier ist Neuron wirklich stark. Es unterstützt mehr Ausgabeoptionen als Jupyter Notebooks.

Die Standardmethode zum Erstellen von Diagrammen in Python ist beispielsweise die beliebte Plotterbibliothek. Versuchen wir, einige einfache Datenelemente auf einer 2D-Ebene zu erstellen.

from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
from plotly.graph_objs import Scatter, Figure, Layout
iplot([{"x": [1, 2, 3, 4, 5, 6, 7, 8], "y": [0, 1, 1, 2, 2, 3, 3, 4]}])

Wählen Sie den Text erneut aus, drücken Sie die Tastenkombination Alt + Eingabetaste, und die Karte wird erstellt.



Die Karte ist interaktiv, sodass Sie sie nach Bedarf skalieren und verschieben sowie die Werte in der Grafik markieren oder das Bild als PNG-Datei exportieren können. Wenn Sie Datenpunkte bearbeiten möchten, müssen Sie lediglich zum Quellcode zurückkehren, einige Werte ändern und ihn erneut ausführen. Direkt unter der alten wird eine neue Map angezeigt: Neuron verfolgt Ihren Codeverlauf, bis Sie Visual Studio schließen.

Neuron unterstützt auch 3D-Grafiken, Karten, LaTeX-Formeln, Markdown, HTML und verschiedene Arten statischer Bilder. Die Schritte zum Erstellen sind die gleichen wie oben gezeigt. Beispiele dafür finden Sie in unserer Demo-Datei unten.





5. Probieren Sie es selbst aus


Wenn Sie nach einem Lernprogramm für die Arbeit mit Neuron suchen, versuchen Sie es mit unserer Demo-Datei , um die nützlichsten Erweiterungsfunktionen kennenzulernen.

Einige Geheimnisse


Karten in der Ausgabe filtern: Die Liste der Karten kann die Navigation schwieriger machen, wenn Sie viele Codefragmente verwenden. Filtern Sie Maps nach Schlüsselwörtern oder nach Typ. Verwenden Sie dazu das Suchfeld und die Filter-Schaltfläche in der Symbolleiste im Ausgabebereich.

Funktioniert Jupiter? Wenn beim Ausführen Ihres Python-Codes merkwürdige und inkonsistente Fehler auftreten, kann es hilfreich sein, Jupyter im Hintergrund neu zu starten. Der Befehl heißt "IPE: Aktive Kernel neu starten".

Ausgabefreigabe: Neuron ist mit Jupyter-Notebooks kompatibel. Sie können vorhandene Notebooks mit dem Befehl "IPE: Import Jupyter notebook" importieren und konvertiert alle Jupyter-Zellen in Karten. Ebenso funktioniert alles beim Exportieren.

Schlussfolgerung des Autors

Ich freue mich sehr, dass Microsoft beschlossen hat, Neuron in die Python-Erweiterung für Visual Studio Code zu integrieren. Sie können den Projektfortschritt im Github-Repository verfolgen . Ich freue mich auf Ihr Feedback!



Minute Werbung


Die Jungs aus der AI-Community veranstalten jetzt eine Online-Meisterschaft in Data Science mit einem Preisgeld von 600.000 Rubel. Schließen Sie sich uns an, der Fall könnte Sie interessieren.

Jetzt auch beliebt: