marimo: ein neues open-source reactive notebook für Python (wie z.B. auch Jupyter Notebook)

Member
marimo - open-source reactive notebook for Python (like Jupyter NB)

Marimo ist ein reaktives Open-Source-Notebook für Python – reproduzierbar, Git-freundlich, als Skript ausführbar und als App gemeinsam nutzbar.

Marimo garantiert, dass Ihr Notebook-Code, Ihre Ausgaben und Ihr Programmstatus konsistent sind. Das löst …
Eine reaktive Programmierumgebung. Führen Sie eine Zelle aus und Marimo reagiert, indem es automatisch die Zellen ausführt, die auf ihre Variablen verweisen, wodurch die fehleranfällige Aufgabe entfällt, Zellen manuell erneut auszuführen. Löschen Sie eine Zelle und Marimo entfernt ihre Variablen aus dem Programmspeicher und beseitigt so den verborgenen Zustand. Deterministische Ausführungsreihenfolge. Notizbücher werden in einer deterministischen Reihenfolge ausgeführt, die auf Variablen basiert.
Synchronisierte UI-Elemente. Interagieren Sie mit UI-Elementen wie Schiebereglern, Dropdowns und Datenrahmentransformatoren, und die Zellen, die sie verwenden, werden automatisch mit ihrem neuesten Wert erneut ausgeführt



Highlights
  1. reactive: run a cell, and marimo automatically updates all affected cells and outputs
  2. interactive: bind sliders, tables, plots, and more to Python — no callbacks required
  3. reproducible: no hidden state, deterministic execution order
  4. executable: execute as a Python script
  5. shareable: deploy as an app
  6. git-friendly: stored as .py files

get more - see more background - ideas and much more: more Marimo and more notebooks ...
88 forks
18 contributors



Hier geben wir einen kleinen Überblick über einige DataScienceNotebooks, die derzeit auf dem Markt sind. Dies ist eine relativ unsortierte Liste - und alle Texte stammen von den entsprechenden Webseiten - siehe Links unten - oder von Wikipedia (z. B. für das Jupyter-Projekt).

Frage vorweg: setzt ihr hier eines ein? ... ich verwende z.B. GoogleColab seit Jahren - und JupyterNB - auch in VSCode...

hier ein kl. Überblick auf die diversen Projekte - und eine Mini-Einführung in das Original - das Jupyter-Projekt von Franzisco ...

Google Colab: Google Colab ist eine cloudbasierte Jupyter-Notebook-Umgebung, die es Benutzern ermöglicht, Python-Code direkt im Browser zu schreiben und auszuführen. Es bietet kostenlosen Zugriff auf GPU und TPU zur Beschleunigung maschineller Lernaufgaben. Sie können auf Google Colab zugreifen
Link:

Kaggle Notebooks: Kaggle Notebooks ist eine weitere cloudbasierte Jupyter-Notebook-Umgebung, bereitgestellt von Kaggle, einer Plattform für Data-Science-Wettbewerbe und Datensätze. Es bietet außerdem kostenlosen Zugriff auf GPU und TPU. Kaggle-Notizbücher sind eng in Kaggle-Datensätze und -Wettbewerbe integriert, was die Zusammenarbeit und den Austausch erleichtert Code mit anderen. Sie können hier auf Kaggle Notebooks zugreifen: Link:
und das große Jupyter-Projekt – das einer der Motoren hinter allen anderen ist …

Projekt Jupyter:
Der Text stammt aus Wikipedia, der freien Enzyklopädie

Projekt Jupyter:[/b] ist ein Projekt zur Entwicklung von Open-Source-Software, offenen Standards und Diensten für interaktives Computing in mehreren Programmiersprachen. Es wurde 2014 von Fernando Pérez und Brian Granger aus IPython abgespalten. Der Name von Project Jupyter bezieht sich auf die drei Kernprogrammiersprachen, die von unterstützt werden Jupyter, das sind Julia, Python und R. Sein Name und sein Logo sind eine Hommage an Galileis Entdeckung der Jupitermonde, wie in Galileis zugeschriebenen Notizbüchern dokumentiert. Project Jupyter hat die interaktiven Computerprodukte Jupyter Notebook, JupyterHub und JupyterLab entwickelt und unterstützt.
Jupyter wird finanziell von NumFOCUS gesponsert. Die erste Version von Notebooks für IPython wurde 2011 von einem Team veröffentlicht, zu dem Fernando Pérez, Brian Granger und Min Ragan-Kelley gehörten. Im Jahr 2014 kündigte Pérez ein Spin-off-Projekt von IPython namens Project Jupyter an. IPython existiert weiterhin als Python-Shell und Kernel für Jupyter. während das Notebook und andere sprachunabhängige Teile von IPython unter dem Namen Jupyter firmierten. Jupyter unterstützt Ausführungsumgebungen (genannt „Kernel“) in mehreren Dutzend Sprachen, darunter Julia, R, Haskell, Ruby und Python (über den IPython-Kernel). Im Jahr 2015 waren rund 200.000 Jupyter-Notebooks auf GitHub verfügbar. Bis 2018 waren etwa 2,5 Millionen verfügbar. Im Januar 2021, Fast 10 Millionen waren verfügbar, darunter Notizbücher über die erste Beobachtung von Gravitationswellen und über die Entdeckung eines supermassereichen Schwarzen Lochs im Jahr 2019. Große Cloud-Computing-Anbieter haben das Jupyter Notebook oder abgeleitete Tools als Frontend-Schnittstelle für Cloud-Benutzer übernommen. Beispiele hierfür sind Amazon SageMaker Notebooks, Googles Colaboratory und Microsofts Azure Notebook.

Jupyter Notebook: Jupyter Notebook kann sich umgangssprachlich auf zwei verschiedene Konzepte beziehen: entweder die benutzerorientierte Anwendung zum Bearbeiten von Code und Text, oder das zugrunde liegende Dateiformat, das über viele Implementierungen hinweg interoperabel ist.

Mehr zur Jupyter Notebook-Schnittstelle und den Anwendungen:
Jupyter Notebook (ehemals IPython Notebook) ist eine webbasierte interaktive Computerumgebung zum Erstellen von Notebook-Dokumenten. Jupyter Notebook besteht aus mehreren Open-Source-Bibliotheken, einschließlich IPython, ZeroMQ, Tornado, jQuery, Bootstrap und MathJax. Eine Jupyter Notebook-Anwendung ist eine browserbasierte REPL, die eine geordnete Datei enthält Liste der Eingabe-/Ausgabezellen, die Code, Text (mit Github Flavored Markdown), Mathematik, Diagramme und Rich Media enthalten können. Jupyter Notebook ähnelt der Notebook-Schnittstelle anderer Programme wie Maple, Mathematica und SageMath, einem Computerschnittstellenstil entstand in den 1980er Jahren mit Mathematica. Das Interesse an Jupyter übertraf Anfang 2018 die Popularität der Mathematica-Notebook-Schnittstelle.


JupyterLab ist eine neuere Benutzeroberfläche für Project Jupyter und bietet eine flexible Benutzeroberfläche und mehr Funktionen als die klassische Notebook-Benutzeroberfläche. Die erste stabile Version wurde am 20. Februar 2018 angekündigt.
JupyterHub ist ein Mehrbenutzerserver für Jupyter Notebooks. Es wurde entwickelt, um viele Benutzer zu unterstützen, indem es viele einzelne Jupyter Notebook-Server erzeugt, verwaltet und als Proxy leitet.
JupyterLab: JupyterLab ist eine webbasierte interaktive Entwicklungsumgebung für Jupyter-Notebooks, Code und Daten. Es bietet eine flexiblere und leistungsfähigere Schnittstelle im Vergleich zum klassischen Jupyter Notebook. JupyterLab unterstützt mehrere Sprachen, Erweiterungen und interaktive Widgets. Sie können JupyterLab lokal auf deinem Computer installieren und ausführen.
JupyterLab: Eine Notebook-Schnittstelle der nächsten Generation: JupyterLab ist die neueste webbasierte interaktive Entwicklungsumgebung für Notebooks, Code und Daten. Seine flexible Schnittstelle ermöglicht es Benutzern, Arbeitsabläufe in den Bereichen Datenwissenschaft, wissenschaftliches Rechnen, Computerjournalismus und maschinelles Lernen zu konfigurieren und zu organisieren. Ein modulares Design lädt zu Erweiterungen ein, um die Funktionalität zu erweitern und zu bereichern.
Link>

Zeppelin: Apache Zeppelin ist ein webbasiertes Notebook, das interaktive Datenanalysen ermöglicht. Es unterstützt mehrere Programmiersprachen wie Scala, Python, SQL und mehr. Zeppelin bietet integrierte Visualisierungen und Integration mit verschiedenen Datenquellen wie Apache Spark, JDBC und REST-APIs. Mehr über Apache Zeppelin erfaerst du hier.

Deepnote Notebooks: eine bessere Möglichkeit für Teams, mit Daten zu arbeiten: Kombiniere Python, R, SQL und No-Code: Abfragen von Snowflake, BigQuery, CSV und über 50 anderen Datenquellen Erkunden die Daten mit KI-Codevorschlägen, unterstützt von GPT-4. Wandeln die Erkenntnisse sofort in Dashboards um.
Link:

Databricks Notebooks: Arbeite zwischen Teams aus den Bereichen Technik, Link:
Dies sind nur einige Beispiele beliebter Data-Science-Notebooks, jedes mit seinen eigenen Funktionen und Stärken. Je nach Ihren spezifischen Bedürfnissen und Vorlieben könnt Ihr ja diejenige auswählen, die am besten zu Eurem Arbeitsablauf passt.


Noteable ein weiteres Kollaboratives Notebook - btw. besser gesagt eine ganze Plattform für Teams um Daten zu Visualisieren und zusammmenzuarbeiten.
Features: Noteable ist auch Jupyter-Kmpatibel,
Programmiersprachen: Jupyter-Sprachen (z.B. etwa. Python, R) SQL
Connectivity: Jupyter libraries ( sehr viele Libraries: darunter etwa solche wie z.B. SQLAlchemy, psycopg2)
Datenbanken (PostgreSQL usw. usf)

Visual Studio Code ein sehr leichtgewichtiger, aber sehr sehr leistungsfähiger Source Code Editor.
Er unterstützt Jupyter Notebooks ganz grundsätzlich - nativ und auch über Pythoncode
Features:
VSCode ist Jupyter-kompatibel
Programmiersprachen: Jupytersprachen wie Python, R etc.
Connectivity: Jupyter libraries


Frage: setzt ihr hier eines ein ... ich verwende z.B. GoogleColab ....JupyterNB in VSCode ... usw. usf.

PS. Sorry fuer den etwas rohen Text. Wird naechstens noch besser .....
 
Zuletzt bearbeitet:

Online-Statistiken

Zurzeit aktive Mitglieder
1
Zurzeit aktive Gäste
58
Besucher gesamt
59

Beliebte Forum-Themen

X
Keine passende Antwort gefunden?