Novidades do DataSpell 2023.1

Agora o DataSpell permite que você organize o seu trabalho em vários projetos completamente separados, cada um com seu próprio ambiente virtual ou interpretador Python.

Para ver a lista dos projetos existentes, abrir esses projetos ou criar um novo, selecione a opção Projects no painel à esquerda da página Welcome do DataSpell. Você também pode criar e gerenciar projetos a partir do menu File.

Como alternativa, você também pode continuar usando um único espaço de trabalho com pastas anexadas. O ambiente ou interpretador que você configurar para o espaço de trabalho será, por padrão, herdado pelas pastas e projetos que você anexar ao espaço de trabalho.

Para usar o DataSpell com um espaço de trabalho, selecione a opção Quick Start no painel à esquerda da tela Welcome, configure um ambiente-padrão e clique em Launch DataSpell.

Alternar entre notebooks do Jupyter e scripts do Python é um fluxo de trabalho comum em ciência de dados. Agora você pode converter um notebook do Jupyter (arquivo .ipynb) para um script do Python (arquivo .py) e vice-versa com apenas alguns cliques.

Como as células de um notebook Jupyter costumam ser executadas fora de ordem e algumas delas podem ter uma execução demorada, agora tanto o último horário em que uma célula de código foi executada quanto a duração dessa execução são mostrados logo abaixo da célula.

A complementação de código oferecida pelos notebooks do Jupyter era ineficaz e foi desativada. Em vez disso, desfrute da complementação nova e aprimorada de nomes de colunas em DataFrames, complementação automática em classes dinâmicas, complementação de caminhos para servidores remotos do Jupyter e mais.

Estão disponíveis vários aperfeiçoamentos nas células em Markdown nos notebooks do Jupyter e arquivos Markdown, incluindo uma ação de intenção para corrigir a formatação de tabelas, a ação de editor Fill Paragraph para quebrar textos longos e uma página de configuração de Smart Keys para arquivos Markdown.

Criar uma DataFrame do pandas a partir dos dados de um arquivo em CSV é uma tarefa comum em ciência de dados. Arraste e solte um arquivo CSV em um notebook do Jupyter e será criada automaticamente uma DataFrame do pandas a partir do conteúdo do arquivo.

O DataSpell mostra o conteúdo de DataFrames do pandas na forma de tabelas. Para navegar com mais comodidade por grandes tabelas de DataFrames, altere o número de linhas mostradas em cada página para o seu tamanho de página preferido através do diálogo Change Default.

A janela de ferramentas Python Packages é a maneira mais rápida de gerenciar pacotes e pré-visualizar a documentação dos pacotes em um ambiente ou interpretador de Python específico. Você pode encontrar essa janela no grupo inferior de janelas de ferramentas ou abri-la a partir do menu principal: Window | Tool Windows | Python Packages.

Ao depurar células de notebooks do Jupyter, o console interativo de depuração pode ser usado para enviar comandos ao depurador do Jupyter e visualizar as saídas e mensagens de erro.

Você pode adicionar um novo interpretador de Python diretamente do widget do interpretador na barra de status do DataSpell. Abra o widget, selecione a pasta relevante e será aberto um pop-up com uma opção de adicionar um novo interpretador.

Em 2022, a JetBrains introduziu uma nova interface de usuário em seus IDEs, projetada para reduzir a complexidade visual, fornecer acesso fácil a recursos essenciais e divulgar aos poucos recursos complexos, conforme a necessidade.

A nova interface de usuário tem uma barra de ferramentas principal simplificada, um novo layout das janelas de ferramentas, um conjunto atualizado de ícones, novos temas de cores claras e escuras, e muito mais.

Habilite a nova interface de usuário em Settings/Preferences | Appearance & Behavior | New UI.