0Pricing
Learn AI with Python · Lektion

Jupyter Notebooks für Data Science

Jupyter starten, Zellen schreiben, Magic Commands verwenden und Notebooks exportieren.

Jupyter Notebooks für Data Science ist eine kostenlose Learn AI with Python-Lektion auf CoddyKit. Dies ist Lektion 2 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Learn AI with Python-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Learn AI with Python-Kurs umfasst insgesamt 4 Lektionen.

Notebooks zur Exploration

Ein Jupyter Notebook kombiniert Code, Ausgaben, Diagramme und Fließtext in einem Dokument. Sie führen Code in kleinen Zellen aus und behalten dabei den Zustand zwischen ihnen bei – ideal für die iterative Datenexploration.

Notebook vs Lab

Jupyter Notebook ist die klassische Oberfläche für ein einzelnes Dokument. JupyterLab ist die moderne, IDE-ähnliche Oberfläche mit Dateibrowser, Tabs und mehreren Bereichen. Beide verwenden dieselben .ipynb-Dateien.

pip install jupyterlab notebook

jupyter lab      # modern interface
jupyter notebook # classic interface

Zelltypen

Zellen sind entweder Code (wird vom Kernel ausgeführt) oder Markdown (wird als formatierter Erklärungstext dargestellt). Wechseln Sie eine Zelle mit der Taste M zu Markdown und mit Y zurück zu Code.

# Code cell
import numpy as np
np.arange(5)

# Markdown cell (rendered):
# ## Section title
# Some **bold** explanation.

Ausführen und Ausgabe

Drücken Sie Shift+Enter, um eine Zelle auszuführen und zur nächsten zu wechseln. Der Wert des letzten Ausdrucks wird automatisch angezeigt; ein print ist nicht erforderlich.

x = 2 + 2
x            # displays 4 below the cell

Zeitmessung mit %timeit

Die Zeilenmagie %timeit führt eine Anweisung mehrfach aus und gibt den Durchschnitt aus. Sie ist die Standardmethode zum Vergleichen von Implementierungen.

%timeit sum(range(1000))
# 1000 loops, best of 5: 12.3 us per loop

Zeitmessung für die gesamte Zelle

Verdoppeln Sie das Prozentzeichen für eine Zellenmagie. %%timeit misst die gesamte Zelle statt einer einzelnen Zeile.

%%timeit
total = 0
for i in range(1000):
    total += i

Diagramme inline

%matplotlib inline weist Jupyter an, Diagramme direkt unter der Zelle als statische Bilder darzustellen. Setzen Sie dies einmal am Anfang des Notebooks.

%matplotlib inline
import matplotlib.pyplot as plt
plt.plot([1, 4, 9, 16])

Shell-Befehle in Zellen

Setzen Sie einer Zeile ! voran, um einen Shell-Befehl auszuführen. Praktisch, um Versionen zu prüfen oder Dateien aufzulisten, ohne das Notebook zu verlassen.

!pip install seaborn
!ls -la
!python --version

Shell-Ausgabe erfassen

Sie können die Shell-Ausgabe einer Python-Variable zuweisen. Das Ergebnis ist eine Liste von Ausgabezeilen.

files = !ls *.csv
print(len(files), "CSV files found")

Kernel: Neustart und alle ausführen

Eine Ausführung in falscher Reihenfolge kann Fehler verbergen. Kernel → Neustart und alle ausführen löscht den gesamten Zustand und führt jede Zelle von oben nach unten erneut aus – ein Beleg dafür, dass Ihr Notebook reproduzierbar ist.

Definierte Namen auflisten

Die Magie %who listet die in der Sitzung definierten Variablen auf. Das ist nach einer längeren Exploration nützlich, um zu sehen, was sich im Speicher befindet.

%who
# files	np	plt	x

Schnelltest

Überprüfen Sie Ihre Grundlagen zu Notebooks.

Zusammenfassung

Sie können jetzt effektiv mit Notebooks arbeiten:

  • Notebook (klassisch) und Lab (IDE-ähnlich) verwenden beide .ipynb
  • Zelltypen Code und Markdown
  • %timeit / %%timeit für Benchmarks
  • %matplotlib inline für Diagramme
  • !cmd für Shell-Befehle
  • Neustart und Ausführung aller Zellen für Reproduzierbarkeit, %who zur Untersuchung des Zustands

Häufig gestellte Fragen

Ist die Lektion „Jupyter Notebooks für Data Science“ kostenlos?

Ja — der vollständige Text von „Jupyter Notebooks für Data Science“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Learn AI with Python-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Learn AI with Python-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Jupyter Notebooks für Data Science“?

Jupyter starten, Zellen schreiben, Magic Commands verwenden und Notebooks exportieren. Du übst Learn AI with Python mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um Learn AI with Python zu starten?

Keine Vorkenntnisse erforderlich. Learn AI with Python auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 2 von 4.

Wie lange dauert die Lektion „Jupyter Notebooks für Data Science“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser Learn AI with Python-Lektion Code schreiben und ausführen?

Ja. Jede Learn AI with Python-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Virtuelle Umgebungen und pip
  2. Jupyter Notebooks für Data Science
  3. Python-Datentypen für Data Science
  4. Mit der Python-REPL und IPython arbeiten
← Zurück zu Learn AI with Python