Jupyter Notebook: do­cu­me­n­tos web para análisis de datos, código en vivo y mucho más

Que los procesos de trabajo en equipo sean sencillos tiene una im­po­r­ta­n­cia esencial en muchas in­du­s­trias. Por ello, las he­rra­mie­n­tas para co­mu­ni­car­se y organizar las di­fe­re­n­tes versiones de las etapas de trabajo y datos de un proyecto se han vuelto in­di­s­pe­n­sa­bles. Existen varias apli­ca­cio­nes de ciencia de datos y de si­mu­la­ción cuyo objetivo es intentar sa­ti­s­fa­cer estas demandas. Por ejemplo, Jupyter Notebook es una apli­ca­ción web que sirve a modo de puente constante entre el código y los textos ex­pli­ca­ti­vos. De este modo, los usuarios pueden crear y compartir en tiempo real código, ecua­cio­nes, vi­sua­li­za­cio­nes, etc., junto con los textos ex­pli­ca­ti­vos. ¿Qué hay detrás de esta apli­ca­ción de código abierto de­sa­rro­lla­da y ge­s­tio­na­da por el Proyecto Jupyter?

Jupyter Notebook es una apli­ca­ción cliente-servidor lanzada en 2015 por la or­ga­ni­za­ción sin ánimo de lucro Proyecto Jupyter. Permite crear y compartir do­cu­me­n­tos web en formato JSON que siguen un esquema ve­r­sio­na­do y una lista ordenada de celdas de entrada y de salida. Estas celdas albergan, entre otras cosas, código, texto (en formato Markdown), fórmulas ma­te­má­ti­cas y ecua­cio­nes, o también contenido mu­l­ti­me­dia (Rich Media). El programa se ejecuta desde la apli­ca­ción web cliente que funciona en cualquier navegador estándar. El requisito previo es instalar y ejecutar en el sistema el servidor Jupyter Notebook. Los do­cu­me­n­tos creados en Jupyter pueden ex­po­r­tar­se, entre otros formatos, a HTML, PDF, Markdown o Python y también pueden co­m­pa­r­ti­r­se con otros usuarios por correo ele­c­tró­ni­co, uti­li­za­n­do Dropbox o GitHub o mediante el visor integrado de Jupyter Notebook.

Los dos co­m­po­ne­n­tes pri­n­ci­pa­les de Jupyter Notebook son un conjunto de núcleos (In­te­r­pre­ter) y el Dashboard. Cada núcleo o kernel es un motor de ejecución para un lenguaje que se encarga de procesar las so­li­ci­tu­des y devolver las re­s­pue­s­tas apro­pia­das. El kernel por defecto es IPython, un in­té­r­pre­te de líneas de comandos que permite trabajar con Python. Gracias a los 50 kernels restantes, es posible trabajar también con otros lenguajes como C++, R, Julia, Ruby, Ja­va­S­cri­pt, Co­f­fee­S­cri­pt, PHP o Java. Por un lado, el Dashboard (panel de control) funciona como una interfaz de ad­mi­ni­s­tra­ción de cada uno de los kernels y, por otro, como un centro de control desde donde es posible crear nuevos do­cu­me­n­tos o abrir proyectos exi­s­te­n­tes. Jupyter Notebook está di­s­po­ni­ble bajo una licencia BSD mo­di­fi­ca­da, por lo que cualquier usuario puede usarlo gra­tui­ta­me­n­te.

Jupyter Notebook no es la única apli­ca­ción de código abierto que ofrece el Proyecto Jupyter: Ju­p­y­te­rHub y Ju­p­y­te­r­Lab son dos servicios adi­cio­na­les que ofrece el equipo de de­sa­rro­llo y que están es­tre­cha­me­n­te vi­n­cu­la­dos al entorno de trabajo in­ter­ac­ti­vo para el de­sa­rro­llo de código.

Ju­p­y­te­rHub es un servidor con proxy mu­l­tiu­sua­rio que in­te­r­co­ne­c­ta varias in­s­ta­n­cias Jupyter Notebook. Puede estar alojado en la nube o en nuestro propio hardware y lo que permite es utilizar un entorno co­m­pa­r­ti­do del Notebook. El ad­mi­ni­s­tra­dor del servidor se encarga de gestionar el acceso co­m­pa­r­ti­do a cada uno de los do­cu­me­n­tos según considere oportuno (se puede im­ple­me­n­tar un método de au­te­n­ti­ca­ción) y el resto de los usuarios in­di­vi­dua­les pueden co­n­ce­n­trar­se por completo en realizar sus tareas. Se puede encontrar in­fo­r­ma­ción detallada sobre cómo instalar y alojar Ju­p­y­te­rHub en el re­po­si­to­rio GitHub oficial del entorno mu­l­tiu­sua­rio.

Ju­p­y­te­r­Lab es el sucesor oficial de Jupyter Notebook, pero a la larga acabará re­em­pla­za­n­do al programa clásico. Las di­fe­re­n­cias entre ambos residen en que Ju­p­y­te­r­Lab ofrece más opciones de pe­r­so­na­li­za­ción e in­ter­ac­ción y en él es más sencillo aún im­ple­me­n­tar ex­te­n­sio­nes. Además de los editores de texto, te­r­mi­na­les y otros co­m­po­ne­n­tes que pueden abrirse y vi­sua­li­zar­se al mismo tiempo que los do­cu­me­n­tos de Notebook, la nueva interfaz de usuario, gracias a su nuevo diseño, incluye también accesos directos a Google Drive y otros servicios en la nube, nuevas opciones en el menú y atajos de teclado para que el trabajo en el entorno de código sea aún más fácil.

Jupyter Notebook pro­po­r­cio­na un entorno pensado para sa­ti­s­fa­cer ne­ce­si­da­des concretas y ajustarse al flujo de trabajo de la ciencia de datos y la si­mu­la­ción numérica. En una sola interfaz, los usuarios pueden escribir, do­cu­me­n­tar y ejecutar código, vi­sua­li­zar datos, realizar cálculos y ver los re­su­l­ta­dos. Co­n­cre­ta­me­n­te, la fase de pro­to­ti­pa­do incluye la ventaja de que el código se organiza en celdas in­de­pe­n­die­n­tes, es decir, es posible probar bloques concretos de código de forma in­di­vi­dual. Gracias a que existen muchos kernels o núcleos adi­cio­na­les, Jupyter no se limita al lenguaje de pro­gra­ma­ción Python, lo que aporta muchísima fle­xi­bi­li­dad a la hora de crear código y de hacer análisis.

Algunos de los pri­n­ci­pa­les usos que se da a Jupyter Notebook:

• De­pu­ra­ción de datos: di­s­ti­n­guir entre los datos que son im­po­r­ta­n­tes y los que no lo son al ejecutar un análisis de big data.
• Mo­de­li­za­ción es­ta­dí­s­ti­ca: método ma­te­má­ti­co para estimar la pro­ba­bi­li­dad de di­s­tri­bu­ción de una ca­ra­c­te­rí­s­ti­ca concreta.
• Creación y en­tre­na­mie­n­to de modelos de apre­n­di­za­je au­to­má­ti­co: diseño, pro­gra­ma­ción y en­tre­na­mie­n­to de modelos basados en apre­n­di­za­je au­to­má­ti­co
• Vi­sua­li­za­ción de datos: re­pre­se­n­ta­ción gráfica de datos para vi­sua­li­zar con claridad patrones, te­n­de­n­cias, in­te­r­de­pe­n­de­n­cias, etc.

Si deseas sacar el máximo partido de todo lo que Jupyter Notebook puede ofrecerte, primero tienes que instalar la apli­ca­ción cliente-servidor del entorno de código en tu sistema (o, si lo prefieres, en la nube). El único requisito es tener instalado también la versión ac­tua­li­za­da de Python. Por esta razón, el equipo de Jupyter re­co­mie­n­da descargar la di­s­tri­bu­ción Anaconda que incluye Jupyter Notebook y Python, además de otros paquetes de software para ciencia de datos y cálculos cie­n­tí­fi­cos. Tras la in­s­ta­la­ción, se puede iniciar el servidor del Notebook uti­li­za­n­do la línea de comando y luego el Dashboard en el navegador que prefieras mediante el URL 'http://localhost:8888'.

Si has escrito un script y quieres probarlo en tiempo real, vi­sua­li­zar los datos o hacer algún cálculo ma­te­má­ti­co complejo, Jupyter Notebook pone al alcance de tus manos una solución de alto nivel. Los re­su­l­ta­dos pueden ex­po­r­tar­se con tan solo unos clics a varios formatos o enviarse di­re­c­ta­me­n­te mediante correo ele­c­tró­ni­co. Los usuarios del servicio mu­l­tiu­sua­rio Ju­p­y­te­rHub pueden también colaborar en los Notebooks para que el proyecto esté lo más integrado posible dentro del equipo. Como Jupyter ha sido de­sa­rro­lla­do en Python, los es­pe­cia­li­s­tas en este lenguaje tendrán una ventaja al utilizar esta apli­ca­ción de código abierto y, gracias a los di­fe­re­n­tes in­té­r­pre­tes de otros lenguajes que están in­te­gra­dos, será posible crear código de forma sencilla en otros lenguajes como C++, PHP o Java.

Un resumen de los be­ne­fi­cios de Jupyter Notebook:

• Código abierto (licencia BSD mo­di­fi­ca­da)
• Gratuito
• Funciona en el navegador
• Código en vivo (Live-Code)
• Di­fe­re­n­tes opciones a la hora de exportar y compartir los re­su­l­ta­dos
• Control de versiones
• Permite co­la­bo­ra­ción (Ju­p­y­te­rHub)
• Soporta más de 50 lenguajes de pro­gra­ma­ción