Jupyter Notebook ve JupyterLab: Veri Bilimi Dünyasının Tuvalini Tanımak

Hikaye: IPython Notebook'tan Jupyter'a#

• Julia + Python + R → "Jupyter"

• Jupyter Notebook (klasik): Eski arayüz, tek notebook tab.
• JupyterLab (modern): IDE benzeri arayüz; multiple notebook + dosya gezgini + terminal aynı pencerede.
• Jupyter Server: Backend; arayüzlerden bağımsız.
• JupyterHub: Çoklu-kullanıcı sunucu (kurum/üniversite).
• JupyterLite: Tarayıcıda Pyodide ile çalışan, sunucusuz Jupyter.

Kurulum#

Yöntem 1: pip ile JupyterLab#

# Virtualenv'in içinde
pip install jupyterlab

# Çalıştır
jupyter lab

Yöntem 2: pip ile klasik Notebook#

pip install notebook
jupyter notebook

Yöntem 3: JupyterLab Desktop App#

İlk açılış#

$ jupyter lab

[I 14:23:01 LabApp] JupyterLab extension loaded from /opt/python313/lib/python3.13/site-packages/jupyterlab
[I 14:23:01 LabApp] JupyterLab application directory is /opt/python313/share/jupyter/lab
[I 14:23:01 ServerApp] Jupyter Server 2.X is running at:
[I 14:23:01 ServerApp] http://localhost:8888/lab?token=abc123...

Notebook anatomi#

• Metadata — kernel info, dil, vs.
• Cell'ler — sıralı blok yapıları, her biri:
  • Type — code / markdown / raw
  • Source — yazılan içerik (string veya satır array'i)
  • Outputs — code cell'in çalıştırma sonucu (text, image, error)
  • Execution_count — kaçıncı kez çalıştırıldığı (
    In [n]
    )

{
  "cells": [
    {
      "cell_type": "markdown",
      "source": ["# Başlık\n", "Bu bir markdown hücresi."]
    },
    {
      "cell_type": "code",
      "execution_count": 1,
      "source": ["import numpy as np\n", "np.random.rand(3)"],
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": ["array([0.42, 0.71, 0.13])"]
          }
        }
      ]
    }
  ],
  "metadata": {
    "kernelspec": {"name": "python3", "display_name": "Python 3"}
  }
}

3 hücre tipi#

1. Code cell (kod hücresi)#

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr.mean())
# Output: 3.0

• A → above cell ekle
• B → below cell ekle
• D D → cell sil
• M → markdown cell'e dönüştür
• Y → code cell'e dönüştür
• Shift+Enter → çalıştır + bir sonraki cell
• Ctrl/Cmd+Enter → çalıştır + aynı cell'de kal
• Esc → command mode (cell tipini, position değiştirebilirsin)
• Enter → edit mode (cell içeriğini düzenle)

2. Markdown cell (markdown hücresi)#

# Başlık 1
## Başlık 2

**Kalın**, *italik*, ~~üzeri çizili~~

- Liste 1
- Liste 2

`inline kod`

```python
# fenced code block
def hello():
    return "world"

Markdown cell çalıştırıldığında render olur — çift tık ile yeniden edit'e gir.

### 3. Raw cell

Markdown veya code olmayan, ham içerik. Nadiren kullanılır (örneğin nbconvert ile LaTeX'e dönüştürürken raw LaTeX bloku için).

Magic commands Jupyter'da#

# %%timeit hücre seviyesinde
%%timeit
total = 0
for i in range(1000):
    total += i

# %%bash hücreyi shell olarak çalıştır
%%bash
ls -la
echo "Done"

# %%writefile dosyaya yaz
%%writefile my_helper.py
def add(a, b):
    return a + b

# %%capture çıktıyı yakala (hücreyi sessiz çalıştır)
%%capture output
heavy_computation()

# Sonra:
print(output.stdout)

# %%html, %%javascript, %%latex hücre tipini değiştir (display only)
%%html
<button onclick="alert('clicked')">Tıkla</button>

# %%markdown — ama bunun yerine markdown hücre tipi tercih et

Görüntü integration — DataFrame, plot, image#

Pandas DataFrame#

import pandas as pd
df = pd.DataFrame({
    "name": ["Ali", "Ayşe", "Mehmet"],
    "age": [25, 30, 35],
    "city": ["İstanbul", "Ankara", "İzmir"]
})

df  # Otomatik HTML tablo olarak render

Matplotlib#

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y, label="sin(x)")
plt.plot(x, np.cos(x), label="cos(x)")
plt.legend()
plt.title("Trigonometric functions")
plt.grid(True)
plt.show()

IPython.display modülü#

from IPython.display import Image, HTML, Markdown, Audio, Video, IFrame

Image("photo.jpg", width=400)
Markdown("**Bold text** with [link](url)")
HTML("<div style='background:red'>Custom HTML</div>")
Audio("song.mp3")
Video("clip.mp4")
IFrame("https://example.com", width=600, height=400)

Kernel yönetimi#

Kernel state#

• 1. cell'de
     x = 5
     tanımlarsan, 5. cell'de
     x
     hâlâ erişilebilir.
• Bir cell hata atsa, geri kalan cell'ler hâlâ çalıştırılabilir (ama hata öncesi state'le).
• Modülleri tekrar import etmen gerekmez.

Kernel komutları (Notebook menüsü)#

• Kernel → Restart: Süreci yeniden başlat. Tüm değişkenler kaybolur.
• Kernel → Restart & Run All: Yeniden başlat + tüm hücreleri tekrar çalıştır.
• Kernel → Interrupt: Çalışan hücreyi durdur (Ctrl+C eşdeğeri).
• Kernel → Change Kernel: Farklı Python sürümü/farklı dil seç.

Kernel sürüm yönetimi#

# Mevcut kernel'leri listele
jupyter kernelspec list
# Available kernels:
#   python3      /usr/local/share/jupyter/kernels/python3

# Bir virtualenv'i yeni kernel olarak ekle
python -m ipykernel install --user --name "my-project" --display-name "Python 3.13 (my-project)"

# Sonra Jupyter'da Kernel → Change Kernel'dan seçilebiliyor

Notebook'ları farklı formatlara çevirmek#

# .py dosyasına (sadece kod)
jupyter nbconvert --to script analysis.ipynb
# Output: analysis.py

# HTML (cell + output dahil — paylaşmak için)
jupyter nbconvert --to html analysis.ipynb
# Output: analysis.html

# PDF (LaTeX gerekiyor)
jupyter nbconvert --to pdf analysis.ipynb

# Slide-show (reveal.js)
jupyter nbconvert --to slides analysis.ipynb

# Markdown
jupyter nbconvert --to markdown analysis.ipynb

# Output'ları temizle (paylaşmadan önce)
jupyter nbconvert --clear-output analysis.ipynb

Notebook'lar ve Git — bir aşk-nefret hikâyesi#

• Cell metadata (execution_count, output) sürekli değişiyor.
• Bir karakter düzeltmesi bile büyük JSON diff'e dönüşüyor.
• Merge conflict'leri çözmek kabus.

Çözüm 1: nbstripout#

pip install nbstripout

# Bu repo için git filter ekle
nbstripout --install

# Artık git commit yapınca output otomatik temizlenir

Çözüm 2: nbdime#

pip install nbdime
nbdime config-git --enable

# git diff foo.ipynb → güzel notebook diff
# git mergetool foo.ipynb → görsel merge tool

Çözüm 3: Jupytext#

pip install jupytext

# .ipynb dosyasının yanında .py'yi otomatik üret
jupytext --set-formats ipynb,py:percent analysis.ipynb

Çözüm 4: ReviewNB#

"Production'da Jupyter Notebook" — neden kötü fikir#

• Reproducible değil — out-of-order execution yüzünden.
• Test yazmak zor — pytest ile entegre etmek karmaşık.
• Modüler değil — fonksiyonları başka yerden import edemiyorsun (kolayca).
• Sürüm kontrolü zayıf — yukarıda gördük.
• Code review zor — JSON diff.
• Performans az — kernel-server overhead.

1. Keşif/prototype: Jupyter'da yap. Hızlı, görsel, deneme-yanılma için ideal.
2. Pure logic: Notebook'tan
   .py
   dosyalarına çevir (
   jupyter nbconvert --to script
   ).
3. Test yaz: pytest ile birim testler.
4. Production deploy:
   .py
   modülleri olarak. Notebook'lar sadece dokümantasyon/keşif.

Modern alternatifler#

Marimo#

pip install marimo
marimo edit

Quarto#

VS Code Polyglot Notebooks#

Modal Notebooks (cloud)#

Bu derste neler kazandın?#