Percorso:
/programmazione/python/jupyter/setup
::: info OBIETTIVO
Configurare l'infrastruttura necessaria per eseguire Notebook Jupyter all'interno di Visual Studio Code, garantendo l'isolamento tramite Virtual Environments e la corretta mappatura dei Kernel.
:::
Prima di procedere, assicurarsi di avere:
Mai installare le dipendenze di Jupyter nel Python globale. Ogni progetto deve avere il proprio ambiente virtuale per evitare il "dependency hell".
Apri il terminale nella root del tuo progetto ed esegui:
# Create a dedicated virtual environment
python -m venv .venv
# Activate the environment
# On Linux/macOS:
source .venv/bin/activate
# On Windows:
.\.venv\Scripts\activate
Una volta attivato l'ambiente, installiamo i componenti minimi necessari per far "parlare" VS Code con il runtime Python.
# Upgrade pip to the latest version
python -m pip install --upgrade pip
# Install the Jupyter bridge (IPyKernel)
pip install ipykernel jupyter
ipykernel: È l'interfaccia di comunicazione (backend) che esegue il codice Python richiesto dal frontend di VS Code.jupyter: Installa le librerie base per la gestione del formato .ipynb.In VS Code, il "Kernel" è l'eseguibile Python che "anima" il notebook.
.ipynb o creane uno nuovo (Ctrl+Shift+P -> Create: New Jupyter Notebook)..venv appena creata.Se VS Code non rileva automaticamente l'ambiente, puoi forzare la registrazione del Kernel nel registro di Jupyter:
# Register the venv as a named kernel
python -m ipykernel install --user --name=my-lab-env --display-name "Python 3.12 (Lab AI)"
Developer: Reload Window in VS Code.ipykernel dentro l'ambiente virtuale attivo.pyzmq nell'ambiente:pip install --force-reinstall pyzmqIn un ambiente professionale, ti consiglio di creare un file requirements.txt dedicato per Jupyter, separato dalle dipendenze di produzione:
# dev-requirements.txt
jupyter==1.0.0
ipykernel==6.29.0
matplotlib
pandas
numpy
Tags: #Setup #Python #Jupyter #Venv #VSCode #Engineering*