Panduan Lengkap Penggunaan File IPYNB - File Jupyter Notebook

Jupyter notebook merupakan perangkat lunak yang sangat sangat populer dalam beberapa tahun terakhir. Mungkin sebagian besar pembaca telah menggunakannya setiap hari. Namun mungkin ada beberapa yang baru mengenal namanya dan belum begitu paham. Atau mungkin malah baru mendengarnya. Jangan khawatir, artikel ini akan memperkenalkan Anda pada Jupyter notebook dari nol hingga sedikit menguasainya.

File IPYNB berfungsi sebagai rekaman komputasi lengkap dari suatu sesi dan mencakup informasi seperti input dan output komputasi, fungsi matematika, dan representasi kaya dari objek yang dihasilkan seperti gambar dan teks penjelasan.

IPYNB disimpan secara internal dalam format file JSON yang merupakan format file standar terbuka untuk berbagi data. Karena alasan ini, file IPYNB dapat dibaca manusia dan mudah dipahami. JSON juga memudahkan untuk berbagi file-file ini dengan orang lain.

1. Apa itu Jupyter Notebook dan Mengapa Begitu Populer?

Jupyter (https://jupyter.org/) adalah organisasi nirlaba yang bergerak dalam pengembangan perangkat lunak interaktif dalam berbagai bahasa pemrograman. Notebook adalah perangkat lunak buatan Jupyter, aplikasi web sumber terbuka yang memungkinkan Anda membuat dan berbagi dokumen interaktif yang berisi kode langsung, persamaan, visualisasi, dan teks naratif yang kaya.

Mungkin penjelasan di atas kurang jelas. Berikut ilustrasinya. Dulu, kita biasanya berbagi kode dan dokumen secara terpisah. Kita menyatukan kode-kode kita dalam sebuah pustaka/aplikasi/proyek (Visual Studio, Eclipse, dsb.), dan kita membuat dokumen dengan editor word. Dalam dokumen tersebut, Anda dapat menampilkan potongan kode, menampilkan hasil, dan visualisasi lain dari program kita.

Nah, Jupyter Notebook menyatukan semua ini, baik itu teks/narasi, kode langsung, persamaan, menampilkan hasil, gambar statis, dan visualisasi grafis, dalam satu berkas interaktif. Dan, kelebihan lainnya, notebook tersebut dapat dijalankan ulang oleh siapa saja yang membukanya, untuk memperbanyak eksekusi kode di dalamnya.

Contohnya adalah dokumen ini sendiri. Dokumen ini aslinya adalah Jupyter Notebook. Anda mungkin pernah membacanya di blog IndoML, karena notebook ini telah diubah menjadi blog Wordpress menggunakan utilitas nb2wp. Anda dapat melihat file aslinya di GitHub, dan tampilannya akan sama.

Sekarang keistimewaan dokumen ini adalah kemampuannya untuk membawa kode secara langsung. Seperti di bawah ini.

import datetime
import matplotlib.pyplot as plt

now = datetime.datetime.now()
print('Hello friends. The time now is {}'.format(now))

Kode di atas bukan hanya potongan kode dalam dokumentasi, tetapi kode langsung. Jika Anda melihat tulisan ini di blog IndoML atau di GitHub, yang Anda lihat adalah tampilan statis dari eksekusi terakhir saat buku catatan ini disimpan. Ini seperti Anda sedang melihat dokumen. Tampilannya tidak akan berubah. Namun, jika Anda menjalankan file buku catatan ini di instalasi Jupyter Anda, maka Anda dapat menjalankan kode di atas dan nanti tampilan waktu yang berbeda tentu akan muncul!.

Jenis keluaran kode yang didukung juga tidak terbatas pada teks sederhana seperti di atas. Bisa juga berupa grafik seperti ini:

import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))
fig.suptitle('Examples of Some Random Graphics')
rng = np.random.RandomState(0)
x = rng.randn(100)
y = rng.randn(100)
colors = rng.rand(100)
sizes = 1000 * rng.rand(100)

ax1.scatter(x, y, c=colors, s=sizes, alpha=0.3, cmap='viridis')
ax1.set_xlabel('Axis X')
ax1.set_ylabel('Axis Y')

x = np.linspace(0, 10, 30)
y = np.sin(x)
ax2.plot(x, y, '-ok')
ax2.set_xlabel('Axis X')
ax2.set_ylabel('Axis Y')

fig.tight_layout(rect=[0, 0.03, 1, 0.97])
plt.show()

Anda juga dapat menampilkan tabel pandas/DataFrame seperti ini, misalnya:

CREATE DATABASE

import pandas as pd

df = pd.DataFrame({
        'name':['joni','meri','peter','jhon','bob','lisa'],
        'age':[23,78,22,19,12,33],
        'province':['New York','Arizona','Sanfransisco','Bali','Miami','Washington']
     })
df

Banyak jenis media lain yang dapat ditampilkan secara langsung, seperti Markdown, HTML, audio, video, Javascript, dan sebagainya.

Dengan interaktivitas yang kaya yang disediakan oleh Jupyter Notebook, Anda dapat melihat potensi penggunaannya, terutama untuk penelitian dan kolaborasi. Saya sendiri sering menemukan penggunaan Jupyter Notebook, misalnya dalam kursus daring (MOOC) sebagai platform bagi siswa untuk melakukan pemrograman, di Kaggle, dan banyak peneliti yang membagikan hasil kerja mereka dalam bentuk buku catatan.

2. Apakah Jupyter Notebook Hanya untuk Python?

Tidak. Meskipun notebook Jupyter ditulis dalam bahasa Python, kemampuan untuk mendukung bahasa pemrograman di notebook diimplementasikan secara modular dalam bentuk kernel. Saat ini terdapat lebih dari 130 kernel yang mendukung hampir 100 bahasa pemrograman, misalnya:

bash, C, C++, C#, Clojure, Common LISP, Erlang, F#, Go, J, Java, Julia, livescript, Lua, Matlab, NodeJS, Perl, PHP, Prolog, Python, Q, R, Ruby, Scala, SQL, Tcl, dan Zsh.

Untuk daftar lengkapnya, silakan lihat halaman Jupyter Kernels.

Semoga Anda lebih tertarik untuk mencoba Jupyter Notebook. Mari kita instal.

3. Berbagi Buku Catatan

Sekarang saatnya untuk berbagi hasil karya buku catatan Anda yang cemerlang dengan orang lain! Ada banyak cara untuk berbagi buku catatan.

a. Statis dengan File Ekspor

Anda dapat membagikan buku catatan Anda sebagai file PDF, HTML, Latex, Rst, atau Markdown dengan memilih menu File -> Download as. Metode ini cocok jika penerimanya kurang ahli dalam hal teknis, misalnya atasan Anda hehe.

b. Statis/Dinamis dengan GitHub/GitLab

Jika pekerjaan Anda disimpan di GitHub atau GitLab, Anda cukup membagikan tautan ke berkas buku catatan di GitHub/GitLab. Misalnya, Anda dapat melihat berkas buku catatan ini di tautan ini. Penerima dapat melihat pratinjau buku catatan Anda dari sana, atau mengunduhnya dan menjalankannya di komputer mereka sendiri.

Menurut saya, ini adalah cara paling praktis untuk berbagi buku catatan dengan rekan kerja Anda.

c. Secara dinamis dengan Google Colab

Google Colab (https://colab.research.google.com) adalah layanan gratis untuk berkolaborasi pada notebook Jupyter. Sama seperti Google Docs yang digunakan untuk berkolaborasi dalam mengedit dokumen, Google Colab digunakan untuk berkolaborasi dalam mengedit notebook Jupyter.

Colab juga menyediakan eksekusi GPU (gratis) untuk notebook Anda, yang sangat berguna untuk melatih model pembelajaran mesin Anda.

Colab dapat membuka notebook Anda dari GitHub, tetapi jika notebook Anda memerlukan file lain (seperti file gambar, atau file Python yang diimpor oleh notebook Anda), maka mungkin ada langkah lain yang perlu Anda ambil (saya belum banyak mencobanya).

d. Statis dengan Nbviewer

Nbviewer (https://nbviewer.jupyter.org/) adalah layanan untuk melihat buku catatan secara statis. Jika buku catatan Anda dapat diakses dengan URL, cukup berikan URL tersebut ke Nbviewer untuk melihatnya. Misalnya, Anda dapat melihat buku catatan ini di nbviewer pada tautan ini.

Metode ini tidak jauh berbeda dengan melihat buku catatan dengan GitHub/GitLab. Namun, GitHub terkadang memiliki masalah dalam menampilkan buku catatan, jadi metode ini dapat menjadi alternatif.

e. Berbagi File Notebook dan Persyaratannya

Anda juga bisa langsung membagikan file notebook tersebut kepada rekan kerja. Jika Anda ingin rekan kerja Anda dapat menjalankan notebook tersebut, jangan lupa untuk menyertakan file-file yang dibutuhkan notebook tersebut (seperti file gambar, atau file Python yang diimpor oleh notebook Anda). Namun, jika rekan kerja Anda hanya ingin melihat tampilannya saja, maka cukup bagikan notebook tersebut.

Cara ini hanya efektif jika notebook Anda tidak bergantung pada file-file lainnya.

Sebenarnya masih banyak aspek dan fitur menarik dari notebook Jupyter yang bisa dibahas, tetapi artikel ini sudah cukup panjang.

Semoga artikel ini menginspirasi Anda untuk menggunakan notebook Jupyter. Jika Anda memiliki pertanyaan atau butuh bantuan, silakan berkomentar di blog UNIX BSD EXPLORE.

Warnet Dapurnet

Internet Cafe