Jupyter¶

Jupyter (1)

NASA Unsplash

El módulo jupyter proporciona un entorno de desarrollo integrado para ciencia de datos (incluso generalista), que no es exclusivo de Python, sino que además admite otros lenguajes («kernels») en su «backend».

Instalación¶

pip install jupyter

Modo de uso¶

El paquete proporciona un comando jupyter que puede usarse para distintas funcionalidades. La más habitual es lanzar un servidor que permite trabajar con cuadernos («notebooks») sobre los que desarrollar código Python.

jupyter notebookjupyter labjupyter console

Lanza un servidor «legacy» en http://localhost:8888

Lanza un servidor «vitaminado» en http://localhost:8888

Lanza un intérprete interactivo en consola.

Jupyter en la nube

Es posible probar jupyter desde este enlace con lo que no necesitaríamos instalar nada en nuestra propia máquina.

Notebooks¶

Un «notebook» es un documento interactivo compuestos por celdas que contienen:

Texto en formato Markdown (incluyendo fórmulas).
Código Python.
Elementos multimedia.

Para ejecutar (o renderizar) una celda basta con pulsar Shift + Enter

Celdas de Jupyter

Formato de fichero

Los «notebooks» o cuadernos son básicamente archivos de texto en formato json con extensión .ipynb (que proviene de «IPython Notebook»).

Interfaz¶

Jupyter se presenta como una aplicación web en cuya interfaz podemos encontrar distintos elementos que nos permitirán desarrollar nuestras tareas de programación de una forma más cómoda.

Explorador de archivos¶

Lo primero que veremos al arrancar el servidor de «notebooks» será el explorador de archivos con un diseño muy similar al de cualquier sistema operativo.

Explorador de archivos

Los «notebooks» que se están ejecutando suelen tener un color verde en el icono, mientras que los que están parados aparecen en gris.

Barra de menú¶

Del estilo de los menús tradicionales de aplicaciones, aquí podemos encontrar las principales funciones sobre ficheros:

Los «checkpoints» permiten guardar el estado del «notebook» en un momento determinado para luego poder revertirlo a ese momento del tiempo.

Es posible exportar el «notebook» a una gran variedad de formatos, entre otros los siguientes:

Asciidoc (.asciidoc)
HTML (.html)
LaTeX (.tex)
Markdown (.md)
PDF vía LaTeX (.pdf)
Python (.py)
reST (.rst)
Reveal.js «slides» (.html)

Ejercicio

Crea un «notebook» de prueba y descárgalo en formato HTML y Markdown.

Este menú contiene las acciones que podemos realizar sobre una o varias celdas:

Las funciones las podríamos agrupar en gestión de celdas (cortar, pegar, borrar, dividir, unir, mover, etc.) e inserción de imágenes seleccionando desde un cuadro de diálogo.

Permite modificar el aspecto visual de determinados elementos de la aplicación:

Números de línea: Puede resultar interesante mostrar los números de línea en celdas que contengan código.
Modo presentación (Cell toolbar Slideshow): Jupyter Notebook ofrece la posibilidad de crear una presentación sobre el documento en el que estamos trabajando. Cada celda se puede configurar con alguno de los siguientes tipos:
- Slide.
- Subslide.
- Fragment.
- Skip.
- Notes
Etiquetas (Cell toolbar Tags): Es interesante —entre otras— el uso de la etiqueta raises-exception ya que nos permite ejecutar todas las celdas de un «notebook» sin que el sistema se detenga por errores en la celda etiquetada, ya que estamos informando que lanzará una excepción.

Insertar celda antes o después de la actual:

Principalmente enfocado a la ejecución de las celdas que componen el «notebook»:

Ejecución de celdas: La ejecución de celdas se puede hacer de forma individual o grupal así como indicando el punto de partida (celda actual).
Tipo de celdas: Define el tipo de la celda actual.
Code: para incluir código (se podrá ejecutar el lenguaje de programación según el «kernel» instalado).
Markdown: para escribir texto utilizando sintaxis Markdown.
Raw: estas celdas no serán formateadas.
Salida de celdas: La ejecución de las celdas de código tiene (suele tener) una salida. Esta salida se puede ocultar (si interesa). Incluso tenemos control sobre activar o desactivar el «scroll» en caso de que la salida sea muy larga.

Permite gestionar el servicio que se encarga de lanzar los «notebooks»:

El kernel es la capa de software que se encarga de ejecutar las celdas de nuestro «notebook» que contienen código. Podemos tener instalados distintos «kernels» para un mismo Jupyter Notebook. El kernel se puede interrumpir o reiniciar.

Hay veces, que debido a un error de programación o a procesos muy largos, podemos encontrarnos con el «kernel» bloqueado durante un largo período de tiempo. En estas ocasiones es útil reiniciarlo para salvar esa situación:

Kernel ocupado

Como cualquier aplicación, existe un menú de ayuda en el que se pueden encontrar enlaces a referencias y manuales:

Uno de los elementos más interesantes de la ayuda es el uso de los «shortcuts»¹. Aunque hay muchos, dejamos aquí algunos de los más útiles:

Shortcut	Acción
`Shift` + `Enter`	Ejecutar la celda actual
`Alt` + `Enter`	Ejecutar la celda actual y «abrir» una celda debajo
`A`	Abrir una celda encima de la actual («above»)
`B`	Abrir una celda debajo de la actual («below»)
`M`	Convertir la celda actual a Markdown
`Y`	Convertir la celda actual a código
`D` `D`	Borrar la celda actual

Mathjax¶

MathJax es una biblioteca javascript que permite visualizar fórmulas matemáticas en navegadores web, utilizando (entre otros) el lenguajes de marcado LaTeX.

Para escribir fórmulas matemáticas la celda debe ser de tipo Markdown y tendremos que usar delimitadores especiales en función del formato:

Fórmulas «en línea»Fórmulas «en bloque»

Se debe usar el delimitador dólar antes y después de la expresión $ ... $

Por ejemplo:

$\sum_{x=1}^n sin(x) + cos(x)$ $\sum_{i=1}^n sin(x) + cos(x)$

Se debe usar el delimitador doble dólar antes y después de la expresión $$ ... $$

Por ejemplo:

$$\sum_{x=1}^n sin(x) + cos(x)$$

\[ $\sum_{x=1}^n sin(x) + cos(x)$ \]

Ejemplos de fórmulas¶

A continuación veremos distintas fórmulas inspiradas en Motivating Examples de la documentación oficial de Jupyter Notebook.

Ecuaciones en varias líneas

$$
\begin{align}
    \dot{x} &= \sigma(y-x) \\
    \dot{y} &= \rho x - y - xz \\
    \dot{z} &= -\beta z + xy
\end{align}
$$

\[ \begin{align} \dot{x} &= \sigma(y-x) \\ \dot{y} &= \rho x - y - xz \\ \dot{z} &= -\beta z + xy \end{align} \]

Usando paréntesis

$$
\left( \sum_{k=1}^n a_k b_k \right)^2 \leq
\left( \sum_{k=1}^n a_k^2 \right) \left( \sum_{k=1}^n b_k^2 \right)
$$

\[ \left( \sum_{k=1}^n a_k b_k \right)^2 \leq \left( \sum_{k=1}^n a_k^2 \right) \left( \sum_{k=1}^n b_k^2 \right) \]

Trabajando con matrices

$$
\mathbf{V}_1 \times \mathbf{V}_2 =
\begin{vmatrix}
    \mathbf{i} & \mathbf{j} & \mathbf{k} \\
    \frac{\partial X}{\partial u} &  \frac{\partial Y}{\partial u} & 0 \\
    \frac{\partial X}{\partial v} &  \frac{\partial Y}{\partial v} & 0
\end{vmatrix}
$$

\[ \mathbf{V}_1 \times \mathbf{V}_2 = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ \frac{\partial X}{\partial u} & \frac{\partial Y}{\partial u} & 0 \\ \frac{\partial X}{\partial v} & \frac{\partial Y}{\partial v} & 0 \end{vmatrix} \]

Algo de probabilidad

$$
P(E) = {n \choose k} p^k (1-p)^{ n-k}
$$

\[ P(E) = {n \choose k} p^k (1-p)^{ n-k} \]

Uso de fracciones

$$
1 +  \frac{q^2}{(1-q)}+\frac{q^6}{(1-q)(1-q^2)}+\cdots =
\prod_{j=0}^{\infty}\frac{1}{(1-q^{5j+2})(1-q^{5j+3})},
\quad\quad \text{for $|q|<1$}.
$$

\[ 1 + \frac{q^2}{(1-q)}+\frac{q^6}{(1-q)(1-q^2)}+\cdots = \prod_{j=0}^{\infty}\frac{1}{(1-q^{5j+2})(1-q^{5j+3})}, \quad\quad \text{for $|q|<1$}. \]

Alineación múltiple

$$
\begin{eqnarray}
    x' &=&   &x \sin\phi &+& z \cos\phi \\
    z' &=& - &x \cos\phi &+& z \sin\phi
\end{eqnarray}
$$

\[ \begin{eqnarray} x' &=& &x \sin\phi &+& z \cos\phi \\ z' &=& - &x \cos\phi &+& z \sin\phi \end{eqnarray} \]

Recursos

Ejercicio

Escribe en MathJax (usando Jupyter Notebook) las siguientes ecuaciones:

\[ (I)\quad \int_a^b f'(x)dx = f(b) - f(a) \]

\[ (II)\quad t' = t \frac{1}{\sqrt{1 - \frac{v^2}{c^2}}} \]

\[ (III)\quad \Big[ M \frac{\partial}{\partial M} + \beta(g) \frac{\partial}{\partial g} + \eta \gamma \Big] G^n(x_1, x_2, \dots, x_n; M, g) = 0 \]

\[ (IV)\quad R_{00} \approx -\frac{1}{2} \sum_i \frac{\partial^2 h_{00}}{\partial(x^i)^2} = \frac{4\pi G}{c^2} (\rho c^2) \Rightarrow \bigtriangledown^2 \phi_g = 4\pi G \rho \]

Solución

Comandos especiales¶

Jupyter Notebook ofrece una gama de comandos especiales que cubren gran variedad de funcionalidades.

Comandos de shell¶

Podemos ejecutar comandos de «shell» usando el prefijo exclamación !

Por ejemplo:

>>> !whoami
sdelquin

>>> !uname
Darwin

Ejercicio

Ejecuta los siguientes comandos del sistema en una celda del «notebook»:

Windows	Linux & macOS
`time`	`date`
`dir`	`ls`
`mem`	`free`

Obteniendo ayuda¶

Una de las formas más sencillas de obtener información de librerías, funciones o módulos es utilizar el sufijo interrogación ?

>>> import random

>>> random.randint?
Signature: random.randint(a, b)
Docstring:
Return random integer in range [a, b], including both end points.

File:      ~/.local/share/uv/python/cpython-3.13.2-macos-aarch64-none/lib/python3.13/random.py
Type:      method

Ejercicio

Encuentra la ayuda de las siguientes funciones:

os.path.dirname
re.match
datetime.timedelta

Comandos mágicos¶

Jupyter Notebook, o mejor expresado IPython, admite un conjunto de comandos mágicos que permiten realizar distintas tareas, en muchos casos, no necesariamente relacionadas con Python.

La lista es bastante extensa pero puede consultarse con %lsmagic:

>>> %lsmagic
Available line magics:
%aimport  %alias  %alias_magic  %autoawait  %autocall  %autoindent  %automagic
%autoreload  %bookmark  %cat  %cd  %clear  %code_wrap  %colors  %conda  %config
%cp  %cpaste  %debug  %dhist  %dirs  %doctest_mode  %ed  %edit  %env  %gui  %hist
%history  %killbgscripts  %ldir  %less  %lf  %lk  %ll  %load  %load_ext  %loadpy
%logoff  %logon  %logstart  %logstate  %logstop  %ls  %lsmagic  %lx  %macro
%magic  %mamba  %man  %matplotlib  %micromamba  %mkdir  %more  %mv  %notebook
%page  %paste  %pastebin  %pdb  %pdef  %pdoc  %pfile  %pinfo  %pinfo2  %pip  %popd
%pprint  %precision  %prun  %psearch  %psource  %pushd  %pwd  %pycat  %pylab
%quickref  %recall  %rehashx  %reload_ext  %rep  %rerun  %reset  %reset_selective
%rm  %rmdir  %run  %save  %sc  %set_env  %store  %sx  %system  %tb  %time  %timeit
%unalias  %unload_ext  %uv  %who  %who_ls  %whos  %xdel  %xmode

Available cell magics:
%%!  %%HTML  %%SVG  %%bash  %%capture  %%code_wrap  %%debug  %%file  %%html
%%javascript  %%js  %%latex  %%markdown  %%perl  %%prun  %%pypy  %%python  %%python2
%%python3  %%ruby  %%script  %%sh  %%svg  %%sx  %%system  %%time  %%timeit  %%writefile

Automagic is ON, % prefix IS NOT needed for line magics.

Si nos fijamos en el último mensaje, al estar habilitado el modo «automagic», no es estrictamente necesario que usemos el prefijo % para hacer uso de estos comandos «line magics».

Por ejemplo podríamos conocer la historia de comandos en el intérprete simplemente con hist:

>>> hist#(1)!
import random
random.randint?
%lsmagic
lsmagic
hist

Equivale a %hist

Representando gráficas¶

Otra de las grandes ventajas que ofrece Jupyter Notebook es poder graficar directamente sobre el cuaderno. Para ello utilizamos código Python (en este caso) y una directiva de comando mágico para indicar que se renderice en línea:

>>> %matplotlib inline

>>> from matplotlib import pyplot as plt

>>> x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> y = [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

>>> plt.plot(x, y)
[<matplotlib.lines.Line2D at 0x106414e50>]
<Figure size 432x288 with 1 Axes>

Basic plot

Manejo de ficheros¶

Comando	Descripción
`%load <file>`	Carga el contenido del fichero `<file>` en la celda actual.
`%run <file>`	Ejecuta el contenido del fichero `<file>` en la celda actual.
`%%writefile <file>`	Escribe el contenido de la celda actual en el fichero `<file>`.(1)

La sentencia %%writefile <file> debe ser la primera línea de la celda y luego vendría el código que queremos volcar al fichero.

Ejercicio

En una celda del «notebook» escribe código Python para crear una lsita de los primeros 100 números pares.
Guarda el contenido de dicha celda en un fichero Python usando %writefile.
Carga este fichero en otra celda con %load.
Ejecuta dicho código mediante %run.

Tiempos de ejecución¶

Para medir el tiempo de ejecución de una determinada instrucción Python podemos utilizar el comando %timeit que calcula un promedio tras correr repetidas veces el código indicado.

Por ejemplo veamos cuánto tarda (en mi máquina) crear una distribución normal con 100 muestras:

>>> import numpy

>>> %timeit numpy.random.normal(size=100)
2.05 μs ± 14.2 ns per loop (mean ± std. dev. of 7 runs, 100,000 loops each)

De igual forma, existe un mecanismo para medir el tiempo de ejecución de una celda completa. En este caso se utiliza el comando %%timeit (nótese la diferencia del doble porcentaje como prefijo).

A continuación analizamos un ejemplo para medir el tiempo de ejecución de tres distribuciones aleatorias:

>>> %%timeit
...
... numpy.random.poisson(size=100)
... numpy.random.uniform(size=100)
... numpy.random.logistic(size=100)
...
...
7.48 μs ± 45.7 ns per loop (mean ± std. dev. of 7 runs, 100,000 loops each)

Ejercicio

Mide los tiempos de ejecución en la creación de distribuciones aleatorias y descubre si hay diferencias significativas atendiendo a:

Tipo de distribución (Poisson, Uniform, Logistic).
Tamaño de la muestra (100, 10000, 1000000).

Solución

Incluyendo otros lenguajes¶

Por defecto, Jupyter espera que las celdas tipos «código» estén escritas en Python, pero este comportamiento se puede modificar aplicando distintos comandos mágicos:

Celdas con HTMLCeldas con «shell script»Celdas con Perl

Si necesitamos insertar código HTML en una celda, podemos usar el comando %%html al comienzo de la misma.

Por ejemplo incrustamos un mapa de Canarias:

>>> %%html
...
... <iframe src="https://www.google.com/maps/embed?pb=!1m18!1m12!1m3!1d3592984.8538165656!2d-18.096789575396794!3d28.426067294993228!2m3!1f0!2f0!3f0!3m2!1i1024!2i
... 768!4f13.1!3m3!1m2!1s0xc41aa86ef755363%3A0x10340f3be4bc8c0!2sCanarias!5e0!3m2!1ses!2ses!4v1623755509663!5m2!1ses!2ses" width="400" height="300" style="border:
... 0;" allowfullscreen="" loading="lazy"></iframe>
...
...

Hay ocasiones en las que un código en shell script suele ser útil. Para incluirlo recurrimos al comando %%bash al principio de la celda.

Por ejemplo mostramos un árbol de ficheros:

>>> %%bash
...
... tree -d -L 2
...
...
.
├── docs
│   ├── assets
│   ├── core
│   ├── stdlib
│   └── third-party
├── includes
└── site
    ├── assets
    ├── core
    ├── search
    ├── stdlib
    └── third-party

13 directories

No hay que subestimar el poder del lenguaje de programación Perl. Si fuera necesario, lo podemos incluir en una celda del «notebook» con %%perl al comienzo de la misma.

En el siguiente ejemplo usamos Perl para «parsear» un correo electrónico:

>>> %%perl
...
... my $email = 'sdelquin@gmail.com'
... if ($email =~ /^([^@]+)\@(.+)$/) {
...     print "Username is: $1\n";
...     print "Hostname is: $2\n";
... }
...
...
Username is: sdelquin
Hostname is: gmail.com

Extensiones¶

El ecosistema de Jupyter Notebook es muy amplio y ofrece una gran variedad de extensiones que se pueden incluir en la instalación que tengamos: Unofficial Jupyter Notebook Extensions.

Su instalación es tan sencilla como:

$ pip install jupyter_contrib_nbextensions

Otros entornos¶

El ecosistema de entornos para trabajos en ciencia de datos ha ido ampliándose durante estos últimos años con la explosión del «BigData» y la inteligencia artificial. En este apartado veremos otras plataformas que también nos permiten usar Python enfocado al análisis de datos.

Jupyter Lab¶

JupyterLab es una evolución de Jupyter Notebook.

JupyterLab

Mejoras con respecto a Jupyter Notebook:

Explorador de ficheros integrado en la barra lateral.
Posibilidad de abrir múltiples .ipynb al mismo tiempo usando pestañas.
Posibilidad de abrir múltiples terminales.
Editor integrado para cualquier fichero de texto.
Vista previa en tiempo real de documentos markdown o csv.

Forma parte del proyecto Jupyter y por tanto viene instalado por defecto al instalar el propio paquete jupyter.

Google Colab¶

Google Colab es un entorno de computación científica creado por Google y disponible en su nube. Como era previsible, para su uso es necesario disponer de una cuenta en Google.

Google Colab

Características:

Kaggle¶

Kaggle es una plataforma que no sólo ofrece un entorno de trabajo para cuadernos Jupyter sino también una enorme colección de conjuntos de datos de libre acceso. Para su uso es necesario disponer de una cuenta en el servicio.

Kaggle

Características:

Comparativa¶

Haremos un análisis de los entornos vistos comparando tiempos de ejecución a través del cómputo de una FFT sobre una matriz de 1 millón de elementos:

>>> import numpy as np

>>> bigdata = np.random.randint(1, 100, size=(1_000, 1_000))

>>> %timeit np.fft.fft(bigdata)
8.07 ms ± 2.01 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

Jupyter (local)	Colab	Kaggle
8.07ms(1)	41.5ms(2)	6.62ms(3)

Apple Silicon M1.
Abril de 2025 (capa gratuita).
Abril de 2025 (capa gratuita).

Obviamente se trata de una ejecución puntual y no podemos sacar conclusiones claras al respecto. Además de ello depende del «hardware» sobre el que estemos trabajando. En cualquier caso el propósito es únicamente tener una ligera idea de los órdenes de magnitud.

Un «shortcut» es un «atajo de teclado» (combinación de teclas) para lanzar una determinada acción. ↩

Jupyter¶

Instalación¶

Modo de uso¶

Notebooks¶

Interfaz¶

Explorador de archivos¶

Barra de menú¶

Menú Fichero¶

Menú Edición¶

Menú Vista¶

Menú Insertar¶

Menú Celda¶

Menú Kernel¶

Menú Ayuda¶

Mathjax¶

Ejemplos de fórmulas¶

Comandos especiales¶

Comandos de shell¶

Obteniendo ayuda¶

Comandos mágicos¶

Representando gráficas¶

Manejo de ficheros¶

Tiempos de ejecución¶

Incluyendo otros lenguajes¶

Extensiones¶

Otros entornos¶

Jupyter Lab¶

Google Colab¶

Kaggle¶

Comparativa¶