conda und Jupyter Notebooks für Datenarbeit

Kurz: conda verwaltet Python-Umgebungen und Pakete samt Nicht-Python-Bibliotheken; Jupyter Notebooks mischen Code, Ergebnisse und Text in einem interaktiven Dokument.

Genauer: In der Datenanalyse und im maschinellen Lernen werden viele Pakete mit schwierigen Abhängigkeiten gebraucht (NumPy, pandas, PyTorch, CUDA-Bibliotheken). conda (und die schnellere Variante mamba) installiert sie zusammen in getrennten Umgebungen. Jupyter bietet die Arbeitsfläche dafür.

Im Detail

conda: Umgebungen

conda create -n daten python=3.12 pandas matplotlib jupyterlab
conda activate daten
conda install scikit-learn
conda env export > environment.yml     # Umgebung festhalten
conda env create -f environment.yml    # auf anderem Rechner nachbauen
conda deactivate

Eine Umgebung hält Pakete und Python-Version getrennt, sodass Projekte sich nicht gegenseitig stören. Miniconda ist die schlanke Installation, Anaconda bringt viele Pakete mit. Für reine Python-Pakete funktioniert auch pip mit venv; conda ist stark, wenn Nicht-Python-Bibliotheken (C, Fortran, CUDA) mitkommen sollen. Alternativen: uv, Poetry, pixi.

Jupyter Notebook und JupyterLab

Ein Notebook besteht aus Zellen: Code (Python, R, Julia u. a.), Text in Markdown und die Ausgaben (Zahlen, Tabellen, Diagramme). Man führt Zellen einzeln aus und sieht das Ergebnis sofort. Dadurch eignen sich Notebooks für Erkunden, Lernen, Präsentieren und reproduzierbare Berichte. JupyterLab ist die erweiterte Oberfläche, Google Colab und Kaggle bieten Notebooks im Browser mit kostenlosen Rechenressourcen.

Typische Nutzung

import pandas as pd
df = pd.read_csv('verkaeufe.csv')
df.groupby('monat')['umsatz'].sum().plot(kind='bar')

Das Diagramm erscheint direkt unter der Zelle. Mit %timeit, !pip install und weiteren Magic Commands gibt es Hilfen für Messung und Shell.

Stolpersteine

Die Reihenfolge der Ausführung zählt: Zellen können in beliebiger Reihenfolge laufen und verborgene Zustände erzeugen. Vor der Weitergabe „Restart & Run All“ ausführen. Notebooks sind für Versionskontrolle (Git) unübersichtlich, da sie Ausgaben speichern. Größere Programme gehören in Module, das Notebook ruft sie auf. Achte darauf, keine Zugangsdaten und personenbezogenen Daten in Notebooks stehen zu lassen.

Siehe auch: pip und venv, pandas, NumPy, Virtuelle Umgebung