🛠️ Jupyter in VS Code: Advanced Configuration

Percorso: /programmazione/python/jupyter/config

::: info Una configurazione ottimizzata trasforma il notebook da semplice “block-notes” a un potente strumento di analisi e debugging. In questa pagina vedremo come configurare il rendering avanzato, il controllo di qualità del codice e la gestione delle risorse. :::

1. UI & Editor Optimization

L’interfaccia di default può essere raffinata per migliorare la leggibilità di flussi di lavoro complessi.

A. Impostazioni Raccomandate (`settings.json`)

Accedi alle impostazioni di VS Code (Ctrl + ,) e passa alla visualizzazione JSON per inserire questi parametri:

{
    "notebook.lineNumbers": "on",               // Numerazione righe interna alle celle
    "notebook.cellToolbarLocation": "right",     // Posizione icone di gestione cella
    "notebook.formatOnSave.enabled": true,      // Auto-format delle celle al salvataggio
    "notebook.output.textLineLimit": 500,       // Evita il lag con output troppo lunghi
    "jupyter.askForKernelRestart": false,       // Velocizza il workflow di restart
    "notebook.stickyScroll.enabled": true       // Mantieni visibile il nome della cella/sezione
}

B. Notebook Outline & Search

Usa la vista Outline nella barra laterale sinistra.

VS Code genera automaticamente un indice basato sulle celle Markdown (H1, H2, H3).
Permette di navigare istantaneamente in notebook da centinaia di celle.

2. Code Quality: Linting & Formatting

L’errore tipico dei notebook è produrre codice “sporco”. In VS Code possiamo forzare il rigore ingegneristico anche nei file .ipynb.

Ruff Extension: Installa l’estensione Ruff. È in grado di analizzare e formattare le celle Jupyter quasi istantaneamente.
Organize Imports: Abilita l’ordinamento automatico delle librerie per mantenere il primo blocco del notebook sempre pulito.
Type Checking: Seleziona Pylance come Language Server per ricevere avvisi sui tipi (Type Hinting) direttamente dentro la cella.

3. Advanced Rendering (Data & Science)

Per analizzare dati provenienti da IA o Home Assistant, è fondamentale configurare i visualizzatori corretti.

A. Data Viewer (The Architect’s Choice)

Invece di limitarti a stampare un DataFrame Pandas con print(df), VS Code offre il Data Viewer:

Esegui una cella con un oggetto DataFrame o una lista complessa.
Apri il pannello Variables (icona in alto nella barra dei comandi del notebook).
Clicca sull’icona accanto alla variabile per aprire una tabella interattiva in stile Excel, con filtri e ricerca.

B. Math & LaTeX

VS Code supporta nativamente il rendering di formule matematiche tramite KaTeX.

Usa $ E=mc^2 $ per formule inline.
Usa $$ ... $$ per blocchi matematici centrati.

📉 Architettura del Rendering (Mermaid)

graph TD
    CELL[Cell Output: JSON/Binary] --> DISP[Display Dispatcher]
    DISP -->|text/plain| TERM[Text Output]
    DISP -->|text/html| HTML[Pandas/Data Tables]
    DISP -->|image/png| PLOT[Matplotlib/Seaborn Graphs]
    DISP -->|application/vnd.code| DV[Data Viewer Interattivo]
    
    style DV fill:#bbf,stroke:#333,stroke-width:2px

4. Estensioni Complementari Obbligatorie

Oltre all’estensione Jupyter, un architetto dovrebbe installare:

Jupyter Cell Tags: Permette di etichettare le celle (es. per escludere celle di test durante l’export).
Variable Viewer: Un pannello persistente che mostra l’occupazione di memoria di ogni variabile (critico se lavori con grandi dataset in RAM).
Draw.io Integration: Per inserire diagrammi architetturali direttamente nelle celle Markdown senza file esterni.

💡 Note dell’Ingegnere (Performance)

::: warning ATTENZIONE: Memory Leak A differenza degli script .py, Jupyter mantiene tutte le variabili in memoria finché non riavvii il Kernel.

Best Practice: Usa il comando magico %reset -f se hai caricato grandi modelli IA che non ti servono più per liberare la RAM (VRAM) senza chiudere il notebook. :::

Tags: #Config #Performance #DataVisualization #Linting #VSCode*