Renderização de widgets e diff visual para o Jupyter Notebook, geração de testes de unidade por IA e visualizador assíncrono para o depurador
Você está trabalhando em equipe no mesmo notebook? Agora, você pode resolver conflitos e compreender facilmente as alterações mais recentes. Não é mais necessário se afundar em JSONs. Agora, o PyCharm fornece um diff visual para Jupyter notebooks que renderiza entradas como se você estivesse examinando o notebook propriamente dito. Experimente você mesmo para poupar tempo e esforços ao lidar com mudanças.
Acelere seu desenvolvimento Python com a geração automatizada de testes de unidade por meio do JetBrains AI Assistant. Defina uma classe ou um método para o qual você deseja obter testes de unidade. O AI Assistant os gerará automaticamente, levando em conta seu executor de testes padrão. Revise-os, ajuste-os e, uma vez aceitos, o arquivo com os testes será criado em uma pasta de testes dentro do projeto atual. A geração de testes de unidade também funciona para código JavaScript, TypeScript e React.
Se você trabalha com bibliotecas de visualização em Jupyter notebooks, agora você pode usá-las ao máximo no PyCharm. O PyCharm agora exibirá gráficos interativos para bibliotecas como Matplotlib, Bokeh, Plotly, TensorBoard e muitas outras. Estamos trabalhando em mais melhorias para os widgets, e as entregaremos nas próximas versões.
Agora, você pode obter informações facilmente sobre o estado do programa e acompanhar a avaliação de uma corrotina durante a depuração no PyCharm. O IDE agora aceita o uso da palavra-chave await
fora das funções, diretamente no console de depuração. Agora, você pode usar corrotinas e a palavra-chave await
na caixa de diálogo Evaluate Expression, na lista de Inspeções e ao configurar propriedades em Breakpoint evaluate and log e Breakpoint condition.
No PyCharm 2023.3, introduzimos a capacidade de visualizar DataFrames e séries em uma aba separada do editor. Após o feedback dos usuários, aprimoramos essa nova visualização, incluindo um novo código de cores para os dados e melhor desempenho com conjuntos de dados grandes.