Vue diff et rendu des widgets pour les notebooks Jupyter, Génération de tests unitaires par IA et Visionneuse asynchrone pour le débogueur
Plusieurs membres de votre équipe travaillent sur le même notebook ? Vous pouvez désormais résoudre les conflits et comprendre les dernières modifications plus facilement. Plus besoin de passer en revue les fichiers JSON : PyCharm fournit une vue diff pour les notebooks Jupyter, qui restitue les entrées comme si vous parcouriez le notebook. Essayez-le pour gagner du temps et gérer les modifications sans effort.
Accélérez votre développement Python grâce à la génération automatisée de tests unitaires à l'aide de notre AI Assistant. Indiquez la classe ou la méthode pour laquelle vous souhaitez obtenir des tests unitaires et l'AI Assistant les générera pour vous, en tenant compte de votre outil d'exécution de tests par défaut. Vous pouvez les examiner et les ajuste, et une fois que vous les acceptez, le fichier de tests sera créé dans un dossier dédié pour le projet en cours. La génération de tests unitaires fonctionne également pour le code JavaScript, TypeScript et React.
Si vous travaillez avec des bibliothèques de visualisation dans vos notebooks Jupyter, vous pouvez désormais en tirer pleinement parti dans PyCharm. PyCharm fournit des graphiques interactifs pour les bibliothèques comme Matplotlib, Bokeh, Plotly, TensorBoard et bien d'autres. Nous travaillons sur des améliorations supplémentaires pour les widgets, qui seront fournies dans les prochaines versions.
Vous pouvez maintenant obtenir facilement des informations sur l'état du programme et suivre l'évaluation d'une coroutine lors du débogage dans PyCharm. L'IDE accepte désormais l'utilisation du mot-clé await
en dehors des fonctions, directement dans la console de débogage. Vous pouvez utiliser des coroutines et le mot-clé await
dans la boîte de dialogue Evaluate Expression, dans la liste de Watches et pendant la configuration des propriétés de Breakpoint evaluate and log et de Breakpoint condition.
Dans PyCharm 2023.3, nous avons introduit la possibilité de visualiser les DataFrames et les séries dans un onglet séparé de l'éditeur. Suite aux retours de nos utilisateurs, nous avons amélioré cette nouvelle vue, avec notamment un codage couleur pour les données et de meilleures performances pour les grands ensembles de données.