Blocs-notes et scripts
Vous pouvez créer, éditer et exécuter du code Python et R à l'aide de blocs-notes Jupyter et de scripts dans des éditeurs de code, par exemple l'éditeur de bloc-notes ou un environnement de développement intégré (IDE), comme RStudio.
- Blocs-notes
- Un bloc-notes Jupyter est un environnement basé sur le Web pour un calcul interactif. Vous pouvez utiliser des blocs-notes pour exécuter de petits morceaux de code qui traitent vos données et vous pouvez afficher immédiatement les résultats de votre calcul. Les blocs-notes incluent tous les blocs de construction dont vous avez besoin pour utiliser les données, à savoir les données, les calculs de code qui traitent les données, les visualisations des résultats et le texte et les médias riches pour améliorer la compréhension.
- Scripts
- Un script est un fichier qui contient un ensemble de commandes et de commentaires. Le script peut être sauvegardé et utilisé ultérieurement pour réexécuter les commandes sauvegardées. Contrairement à un bloc-notes, les commandes d'un script ne peuvent être exécutées que de manière linéaire.
Blocs-notes
- Autorisations requises
- Rôle Editeur ou Administrateur dans un projet
- Outils
- Editeur de bloc-notes
- Langages de programmation
- Python et R
- Format des données
- Tous les types
- La prise en charge du code est disponible pour le chargement et l'accès aux données à partir des actifs de projet pour:
- Actifs de données, tels que des fichiers CSV, JSON et .xlsx et .xls
- Connexions de base de données et actifs de données connectés
Pour plus d'informations, voir Prise en charge du chargement de données. pour les types de fichier et de base de données pris en charge.
- Taille des données
- 5 Go. Si vos fichiers sont plus volumineux, vous devez charger les données en plusieurs parties.
Scripts
- Autorisations requises
- Rôle Editeur ou Administrateur dans un projet
- Outils
- RStudio
- Langages de programmation
- R
- Format des données
- Tous les types
- La prise en charge du code est disponible pour le chargement et l'accès aux données à partir des actifs de projet pour:
- Actifs de données, tels que des fichiers CSV, JSON et .xlsx et .xls
- Connexions de base de données et actifs de données connectés
Pour plus d'informations, voir Prise en charge du chargement de données. pour les types de fichier et de base de données pris en charge.
- Taille des données
- 5 Go. Si vos fichiers sont plus volumineux, vous devez charger les données en plusieurs parties.
Utilisation de l'éditeur de bloc-notes
L'éditeur de bloc-notes est largement utilisé pour la programmation interactive d'analyse des données et la visualisation des données. Une seule personne peut éditer un bloc-notes à la fois. Tous les autres utilisateurs peuvent accéder aux blocs-notes ouverts en mode affichage uniquement, alors qu'ils sont verrouillés.
Vous pouvez utiliser les types de bibliothèques suivants:
- Bibliothèques open source préinstallées qui sont fournis avec les environnements d'exécution de bloc-notes
- Les bibliothèques IBM fournies sans frais supplémentaires fournies avec les environnements d'exécution de bloc-notes
- Vos propres bibliothèques
Lorsque vos blocs-notes sont prêts, vous pouvez créer des travaux pour exécuter les blocs-notes directement à partir de l'éditeur de bloc-notes. Vos configurations de travail peuvent utiliser des variables d'environnement qui sont transmises aux blocs-notes avec des valeurs différentes lors de l'exécution des blocs-notes.
Travailler dans RStudio
RStudio est un environnement de développement intégré qui permet de travailler avec des scripts R ou des applications Shiny. Bien que l'environnement d'exécution intégré RStudio ne puisse pas être démarré dans un environnement d'exécution Spark with R, vous pouvez utiliser Spark dans des scripts R et des applications Shiny en accédant aux noyaux Spark par programmation.
Les scripts R et les applications Shiny ne peuvent être créés et utilisés que dans l'environnement de développement intégré RStudio. Vous ne pouvez pas créer de travaux pour les scripts R ou les déploiements R Shiny.
En savoir plus
Rubrique parent: Analyse des données et génération de modèles