[PYTHON] J'ai installé DSX Desktop et l'ai essayé

Installez DSX Desktop

Le logiciel d'analyse d'IBM, la version de bureau de Data Science Experience, DSX Desktop (bêta) a été mis à niveau, je l'ai donc installé. (J'ai essayé un peu juste après le début de la bêta, mais ça fait quelques mois) Le volume de téléchargement est un peu plus de 9 Go, ce qui est un peu important, mais on peut apprécier qu'il soit fourni sous forme d'image Docker dès le début: léger_sourire:

Téléchargez ici https://datascience.ibm.com/desktop J'ai installé la version Mac

Lorsque vous exécutez celui téléchargé, vous verrez cet écran

Si vous "Glissez-déposez" DSX Desktop dans le dossier de la fenêtre, "IBM DSX Desktop" est créé dans le dossier de l'application, exécutez-le.

(J'ai oublié de prendre une capture d'écran) Installer à la fois Notebook et R Studio Vous serez invité à sélectionner des options telles que l'installation des deux ou l'utilisation de Spark avec Notebook. Le montant du téléchargement était d'environ 6 Go sans Spark, augmenté d'environ 3 Go avec Spark à 9 Go, et avec R Studio, il était d'environ 11 Go. Il semble que la partie R Studio puisse être installée plus tard, alors je l'ai ajoutée car c'était une grosse affaire pour Spark.

Télécharger

Alors que je continuais le processus d'installation, un long téléchargement a commencé. Il faisait environ 9 Go, mais je pense qu'il a fallu environ 5 heures pour l'exécuter dans mon environnement LAN domestique. J'ai échoué une fois sur le chemin et j'ai essayé à nouveau. La raison de l'échec était que le téléchargement était en cours. Au moment de la nouvelle tentative, l'économiseur d'écran de Mac est également temporairement désactivé et il est exécuté sérieusement. Une fois le téléchargement terminé, Extract s'exécute pendant environ 5 minutes pour terminer l'installation. (Parmi les travaux d'installation, la seule chose à laquelle je suis accro est ce téléchargement. Le reste est fluide)

Vite! !! C'est léger! !! !!

Quand je l'ai lancé, le mouvement était très léger et impressionné: sourire: Ce n'est peut-être pas aussi bon que le DSX proposé en SaaS dans le cloud. Lorsque vous le démarrez, cliquez sur l'icône «≡» en haut à gauche pour afficher l'écran de création d'un notebook.

(Ceci est une capture d'écran prise après avoir fait diverses choses, mais l'écran de création de bloc-notes est le suivant. Cliquez sur Ajouter un bloc-notes pour le créer.)

Bien sûr, le notebook réalisé avec Jupyter fonctionne également. (Cependant, comme cela sera décrit plus tard, la structure des répertoires n'est pas sur le Mac mais dans le conteneur Docker, de sorte que cette zone ne fonctionne pas telle quelle.)

Immédiatement après l'installation, pandas read_excel a entraîné une erreur d'exécution. La cause était que xlrd n'était pas inclus. Je l'ai ajouté avec! Pip intall dans le notebook et il peut être exécuté normalement et normalement.

Données utilisées pour l'analyse

Contrairement à la version cloud, DSX semble être limité aux formats de fichiers, du moins en version bêta. Appuyez sur le bouton appelé ajouter un ensemble de données, ou appuyez sur l'icône en haut à droite (un bouton qui ressemble à une «matrice unitaire de n = 2» avec une combinaison de 1 et 0) pour vous inscrire. Une fois importé avec cela, le fichier local sera importé dans Docker.

Emplacement de stockage du fichier de données enregistré

Il semble être stocké sous / opt / notebooks / assets. (Dans la capture d'écran ci-dessus, j'ai pwded pour voir le répertoire d'exécution par défaut au moment de l'exécution et le dossier des actifs avec les fichiers enregistrés)

Comment enregistrer un fichier (essayez de vous inscrire avec une commande)

Cela fonctionne avec docker et je connais le répertoire, donc je l'ai enregistré à partir du terminal Mac avec la ligne de commande. Le list.txt dans la capture d'écran ci-dessus est enregistré à partir de la ligne de commande.

Vérifiez l'image du docker

Si vous le cochez, il s'appelle anaconda_with_spark. (Le deuxième et les suivants n'ont peut-être pas été installés cette fois.)

Si vous exécutez le shell dans le conteneur dans lequel DSX Desktop est exécuté, vous pouvez voir ce qui se passe. (Exécuter le shell avec docker exec) Je ne sais pas si vous pouvez le personnaliser, mais vous pouvez créer une image de conteneur que vous avez validée dans votre environnement local.