JupyterLab Desktop als Arbeitsumgebung für SimPy und Mesa

Die Tutorials zu den von mir am Wochenende vorgestellten (Python-) Simulationsbibliotheken SimPy und Mesa scheinen alle davon auszugehen, daß man als Python-Umgebung irgendetwas mit Jupyter nutzt, sei es JupyterLab oder gar Google Colab. Zwar wird in einigen Tutorials betont, daß die Jupyter-Nutzung »optional« sei, jedoch habe ich den Eindruck, daß ich es mir einfacher mache, wenn ich für diese Zwecke Jupyter nicht ignoriere.

Also habe ich mein vor wenigen Wochen frisch installiertes JuypterLab Desktop (in der Version 4.0.0-1) angeworfen und es für meine Bedürfnisse aufgehübscht: Links über die gesamte Länge des Fensters ein File-Browser, den Haupteil nimmt ein Fenster ein, das jenach Bedarf ein Jupyter-Notebook oder den Python-Quelltext aufnimmt und darunter noch zwei kleine Fenster je für ein Terminal und für die IPython-Console. Mehr brauche ich – glaube ich – nicht und im Darkmode sieht es auch recht hübsch aus (das Auge programmiert schließlich mit).

Dann habe ich mir noch drei etwas längere Video-Tutorials herausgesucht, die mir helfen sollen, meine Scheu vor den Notebooks zu verlieren:

Rob Mulla: Jupyter Notebook Complete Beginner Guide 2023 - From Jupyter to Jupyterlab, Google Colab and Kaggle!, 25 Minuten, und

Center of Expertise in Big Geodata Science (CRIB): Introduction to JupyterLab, etwas über zwei Stunden.

Last but not least: Christopher Cameron: Introduction to Jupyter Lab for Python, knapp eine Stunde.

Das letzte Video ist Teil einer breit angelegten, 16-teiligen Playlist des Cornell University Center for Advanced Computing: »Computational Topics for Cornell Researchers«, die von Python über R und Linux bis hin zu Excel-Dateien alles behandelt, was das Herz eines (zukünftigen) Data Scientists begehrt. Und der Name »Cornell« bürgt für Qualität.

Wie immer in solchen Fällen: Ich habe erst einmal zu tun. Still digging!