DataSpell 2024.1: Code-Completion für ganze Zeilen, Abfrage von Dataframes in SQL-Zellen, Datenimport-Zellen, verbesserte dbt-Unterstützung
Unser ML-Team hat das lokale ML-gestützte Modell für ganzzeilige Completion in Python weiterentwickelt. Das Ergebnis sind längere Vorschläge, die den Kontext umfassender berücksichtigen, ohne Daten ins Internet zu übertragen, und noch dazu völlig kostenlos sind.
In DataSpell 2024.1 können Sie jetzt SQL-Code schreiben, um Dataframes und CSV-Dateien direkt in Ihren Jupyter-Notebooks abzufragen. Wir haben dafür den neuen Zellentyp Import Data in DataSpell eingeführt. Sie können unkompliziert mit der Analyse von tabellarischen Daten beginnen, indem Sie einfach eine Datei auf eine solche Zelle ziehen.
Das neueste Update bietet erhebliche Verbesserungen bei der Unterstützung von dbt Core. Sie haben jetzt die Möglichkeit, Diagramme direkt in DataSpell zu betrachten. Wir haben die Code-Completion für dbt-Core-Projekte verbessert, und Sie können Modelle jetzt direkt aus der SQL-Datei heraus starten, in einer Vorschau betrachten und testen.
Sie können die neue Version von DataSpell von unserer Website herunterladen, als Update direkt in der IDE oder über unsere kostenlose Toolbox-App beziehen oder Snap-Packs für Ubuntu verwenden.
Unser ML-Team hat das lokale Modell für die ganzzeilige ML-basierte Python-Completion erheblich verbessert. Die Code-Completion für ganze Zeilen generiert jetzt längere Vorschläge und berücksichtigt einen weiter gefassten Kontext. Das Ergebnis sind bessere Vorschläge und weniger Tipparbeit. Das rein lokal arbeitende Modell bietet Completion-Vorschläge an für ganze Codezeilen an, ohne Daten an einen externen Server zu senden.
In DataSpell 2024.1 können Sie mit SQL-Code Dataframes und CSV-Dateien direkt in Ihrem Jupyter-Notebook abfragen. Erstellen Sie dazu eine SQL-Zelle, wählen Sie einen Dataframe als Datenquelle aus und schreiben Sie dann Ihre Abfrage. Unterstützt werden Sie dabei von unserer klassenführenden Programmierunterstützung für SQL.
Datenimport-Zellen sind eine weitere Neuerung für Jupyter-Notebooks in DataSpell 2024.1. Ziehen Sie einfach eine Datei mit Tabellendaten auf eine Zelle vom Typ Import Data, und schon können Sie mithilfe von visuellen Steuerelementen oder Python-Code die Daten verarbeiten.
Die neueste Version enthält mehrere Updates für die vorhandene dbt-Unterstützung:
DAGs sind leistungsstarke Werkzeuge im Arsenal von Analytikentwickler*innen, und mit diesem Release können Sie Graphen direkt in DataSpell betrachten. Auch die Navigation ist einfacher geworden – Sie können die DAG-Knoten einfach anklicken.
Die Code-Completion für dbt-Core-Projekte wurde stark verbessert, mit Completion-Updates für Jinja, Modell- und Spaltennamen, YAML-Dateien und mehr.
Sie haben jetzt die Möglichkeit, ein beliebiges Modell direkt aus der SQL-Datei heraus zu starten, in einer Vorschau zu betrachten und zu testen. Klicken Sie einfach auf die Randleiste und wählen Sie aus den verfügbaren Optionen.
Wir wünschen Ihnen viel Spaß mit den neuen Funktionen! Sie möchten über die neuesten Funktionen informiert werden und Tipps zu DataSpell und zum Thema Datenanalyse erhalten? Abonnieren Sie unser Blog und folgen Sie uns auf X (früher Twitter)! Wenn Sie auf einen Fehler stoßen oder eine Funktion vorschlagen möchten, erstellen Sie bitte ein Ticket in unserem Issue-Tracker.