JupyterLab Desktop — кросс-платформенный дистрибутив JupyterLab для десктопа. Это самый быстрый и простой способ начать работу, обладающий гибкостью сложных вариантов применения.

JupyterLab Desktop

C перезапуска JupyterLab Desktop прошло чуть больше года, хочется поделиться некоторыми из последних обновлений, выделить основные функции, реализованные с момента перезапуска.

CLI и двойной щелчок для запуска

JupyterLab Desktop можно запустить из графического интерфейса, щёлкнув значок приложения, или командой CLI jlab, запускающей приложение из определённых каталогов и открывающее файлы по указанному пути.

# launch in the current directory
jlab .
# launch in a directory at the relative path
jlab ../notebooks
# launch notebook at the path
jlab ../notebooks/test.ipynb

Также поддерживается двойной щелчок, чтобы открыть файлы .ipynb. Двойной клик запустит приложение в родительском каталоге файла и загрузит выбранный файл notebook.

Щёлкните правой кнопкой мыши меню на файле.

Поддержка пользовательской среды Python

Приложение поставляется со средой conda Python, новейшей версией JupyterLab и несколькими популярными библиотеками Python, готовыми к применению в научных вычислениях и рабочих процессах data science. Экземпляр сервера JupyterLab используется как серверная часть со средой Python по умолчанию.

Для конкретных и более широких потребностей вы можете изменить используемую JupyterLab Desktop среду на другую доступную на вашем компьютере — conda, venv или pyenv.

Диалоговое окно выбора среды Python

Подключение к удалённому серверу

В дополнение к автоматическому запуску экземпляра сервера JupyterLab локально и использованию его в качестве серверной части приложения, JupyterLab Desktop можно подключить к существующему удалённому экземпляру сервера JupyterLab.

JupyterLab Desktop может подключаться к экземплярам удалённых серверов с аутентификацией, например SSO. Пользователю отображаются экраны входа в систему, предоставляемые используемой им службой аутентификации, и данные надёжно хранятся в сеансах браузера. Информация о сеансе может быть сохранена для автоматического повторного входа в систему при следующем запуске.

Диалоговое окно настроек подключения к удалённому серверу

Поддержка тем

JupyterLab Desktop теперь поддерживает тёмную, светлую и системную темы. Выбрать их можно в настройках. Системная тема в основном применяет к приложению светлую/тёмную тему, выбранную для ОС.

Тема, применённая к представлению JupyterLab

Выбор темы применяем к представлению JupyterLab и диалоговым окнам приложения.

Тема, применяемая к диалогам

Пользовательские диалоги с jupyter-ui-toolkit

JupyterLab Desktop теперь использует компоненты jupyter-ui-toolkit для диалоговых окон, они предоставляют единый и современный внешний вид всего приложения. А jupyter-ui-toolkit — это инструментарий пользовательского интерфейса, предоставляющий компоненты пользовательского интерфейса с поддержкой создания тем для проектов экосистемы Jupyter.

Компоненты jupyter-ui-toolkit в диалоговых окнах

Автоматическое обновление

JupyterLab Desktop периодически проверяет обновления и уведомляет о них. В macOS может обновлять программу, которая автоматически загружается и устанавливается на следующем запуске. Мы добавляем автоматическое обновление и в Windows.

Обновлён до последней версии JupyterLab и Electron

Мы часто выпускаем обновления JupyterLab Desktop, чтобы поддерживать его синхронизацию с основным JupyterLab и Electron. Решаются проблемы и устраняются болевые точки, о которых сообщают в GitHub Issues.

Постоянно находятся в поле нашего зрения вопросы безопасности, связанные с Electron. В версии v3.5.1-1 мы обновились до Electron v22 и включили контекстную изоляцию для всех сеансов браузера. Контекстная изоляция блокирует доступ к компьютеру пользователя из запущенных во встроенном браузере сценариев и предоставляет высочайший уровень безопасности для приложений Electron.

• Выпуски JupyterLab Desktop

Научим вас аккуратно работать с данными, чтобы вы прокачали карьеру и стали востребованным IT-специалистом.

• Профессия Fullstack-разработчик на Python (16 месяцев)
• Профессия Data Scientist (24 месяца)