Learn AI with Python · Lezione

Notebook Jupyter per la data science

Avvio di Jupyter, scrittura delle celle, uso dei comandi magici ed esportazione dei notebook.

Notebook Jupyter per la data science è una lezione Learn AI with Python gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Learn AI with Python, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Learn AI with Python include 4 lezioni in totale.

Notebook per l'esplorazione

Un Jupyter notebook combina codice, output, grafici e testo descrittivo in un unico documento. Il codice viene eseguito in piccole celle, mantenendo lo stato tra una cella e l'altra: una soluzione ideale per l'esplorazione iterativa dei dati.

Notebook e Lab

Jupyter Notebook è l'interfaccia classica basata su un singolo documento. JupyterLab è l'interfaccia moderna simile a un IDE, con un esplora file, schede e più pannelli. Entrambi eseguono gli stessi file .ipynb.

pip install jupyterlab notebook

jupyter lab      # modern interface
jupyter notebook # classic interface

Tipi di cella

Le celle sono di tipo Code (eseguito dal kernel) oppure Markdown (visualizzato come testo formattato per le spiegazioni). Passi una cella a Markdown con il tasto M e di nuovo a Code con Y.

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

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

Esecuzione e output

Prema Shift+Enter per eseguire una cella e passare a quella successiva. Il valore dell'ultima espressione viene visualizzato automaticamente: non è necessario usare print.

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

Misurazione dei tempi con %timeit

La line magic %timeit esegue un'istruzione molte volte e ne comunica la media. È il metodo standard per confrontare diverse implementazioni.

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

Misurazione dei tempi dell'intera cella

Raddoppi il segno di percentuale per usare una cell magic. %%timeit misura il tempo dell'intera cella anziché di una singola riga.

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

Grafici inline

%matplotlib inline indica a Jupyter di visualizzare i grafici direttamente sotto la cella come immagini statiche. Lo imposti una volta vicino all'inizio del notebook.

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

Comandi shell nelle celle

Preceda una riga con ! per eseguire un comando shell. È utile per controllare le versioni o elencare i file senza uscire dal notebook.

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

Acquisizione dell'output della shell

Può assegnare l'output della shell a una variabile Python. Il risultato è un elenco di righe di output.

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

Kernel: riavvia ed esegui tutto

L'esecuzione fuori ordine può nascondere alcuni bug. Kernel → Restart and Run All cancella tutto lo stato e riesegue ogni cella dall'alto verso il basso, dimostrando che il notebook è riproducibile.

Elenco dei nomi definiti

La magic %who elenca le variabili definite nella sessione. È utile, dopo una lunga esplorazione, per vedere che cosa è presente in memoria.

%who
# files	np	plt	x

Controllo rapido

Verifichi i fondamenti dei notebook.

Riepilogo

Ora può lavorare efficacemente nei notebook:

Notebook (classico) e Lab (simile a un IDE) condividono il formato .ipynb
Tipi di cella Code e Markdown
%timeit / %%timeit per il benchmarking
%matplotlib inline per i grafici
!cmd per i comandi shell
Restart and Run All per la riproducibilità e %who per esaminare lo stato

Domande Frequenti

La lezione «Notebook Jupyter per la data science» è gratuita?

Sì — il testo completo di «Notebook Jupyter per la data science» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Learn AI with Python, passa a CoddyKit PRO. Il corso Learn AI with Python include 4 lezioni in totale.

Cosa imparerò in «Notebook Jupyter per la data science»?

Avvio di Jupyter, scrittura delle celle, uso dei comandi magici ed esportazione dei notebook. Eserciti Learn AI with Python con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.

Ho bisogno di esperienza per iniziare Learn AI with Python?

Non è richiesta alcuna esperienza precedente. Learn AI with Python su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.

Quanto tempo richiede la lezione «Notebook Jupyter per la data science»?

La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.

Posso scrivere ed eseguire codice in questa lezione Learn AI with Python?

Sì. Ogni lezione Learn AI with Python include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.

Tutte le lezioni di questo corso

← Torna a Learn AI with Python