Nouveautés de DataSpell 2023.1

DataSpell vous permet maintenant d'organiser votre travail en plusieurs projets complètement séparés, ayant chacun leur propre environnement virtuel ou interpréteur Python.

Sélectionnez l'option Projects dans le volet gauche de l'écran d'accueil Welcome de DataSpell pour voir la liste des projets existants, ouvrir un projet ou en créer un nouveau. Vous pouvez également créer et gérer des projets depuis le menu File.

Vous pouvez aussi continuer d'utiliser un espace de travail unique avec des répertoires attachés. Les répertoires et les projets que vous attachez à l'espace de travail héritent par défaut de l'environnement ou de l'interpréteur configuré pour l'espace de travail.

Pour utiliser DataSpell avec un espace de travail, sélectionnez l'option Quick Start dans le volet gauche de l'écran d'accuei Welcome, configurez un environnement par défaut et cliquez sur Launch DataSpell.

Les allers-retours entre notebooks Jupyter et scripts Python sont un workflow courant en science des données. Il est désormais possible de convertir un Notebook Jupyter (fichier .ipynb) en script Python (fichier .py) et inversement en quelques clics seulement.

Les cellules des Notebooks Jupyter étant souvent exécutées dans le désordre, et la durée d'exécution de certaines cellules pouvant être longue, le système affiche désormais l'heure d'exécution de la cellule de code et la durée de l'exécution directement sous la cellule.

Nous avons désactivé la fonctionnalité de saisie semi-automatique des notebooks Jupyter pour faire place à une complétion améliorée, qui s'applique notamment aux noms de colonnes des DataFrames, aux classes dynamiques et aux chemins d'accès aux serveurs Jupyter distants.

Plusieurs améliorations sont disponibles pour les cellules Markdown dans les notebooks Jupyter et les fichiers Markdown, parmi lesquelles une action d'intention qui permet de corriger le formattage des tableaux, l'action d'éditeur Fill Paragraph pour fractionner les textes longs, ou encore la page de paramètres Smart Keys pour les fichiers Markdown.

Créer un DataFrame pandas à partir des données d'un fichier CSV est une tâche classique de science des données. Pour créer automatiquement un DataFrame pandas à partir du contenu d'un fichier, il suffit de déplacer le fichier CSV (.csv) concerné dans un notebook Jupyter par glisser-déposer.

DataSpell affiche le contenu des DataFrames pandas sous forme tabulaire. Pour parcourir de grands tableaux DataFrame plus confortablement, vous pouvez spécifier le nombre de lignes par page à afficher via la boîte de dialogue Change Default.

Le recours à la fenêtre d'outils Python Packages est le moyen le plus rapide de gérer les packages et d'obtenir un aperçu de leur documentation pour un environnement ou un interpréteur Python particulier. Vous la trouverez dans le groupe de fenêtres d'outils du bas ou dans le menu principal : Window | Tool Windows | Python Packages.

La console de débogage interactive permet d'envoyer des commandes au débogueur Jupyter et d'afficher les résultats et les messages d'erreur pendant le débogage des cellules de Jupyter Notebook.

Vous pouvez ajouter un nouvel interpréteur Python directement depuis le widget de l'interpréteur dans la barre d'état de DataSpell. Ouvrez le widget et sélectionnez le répertoire voulu. Une fenêtre s'affiche alors, avec une option permettant d'ajouter un nouvel interpréteur.

La nouvelle interface utilisateur introduite dans les IDE de JetBrains en 2022 est conçue pour réduire la complexité visuelle, accéder facilement aux fonctionnalités essentielles et exposer progressivement les fonctionnalités complexes.

Cette nouvelle interface comporte une barre d'outils principale simplifiée, une nouvelle disposition de fenêtre d'outils, un ensemble d'icônes actualisé, de nouveaux thèmes de couleur clairs et sombres, et bien plus encore.

Vous pouvez l'activer dans Settings/Preferences | Appearance & Behavior | New UI.