Jupyter Notebook no Windows Subsystem for Linux (WSL)

O Jupyter Notebook é uma aplicação web de código aberto que permite criar e compartilhar documentos que contêm código ativo, equações, visualizações e texto narrativo. Neste artigo, vamos explorar como instalar e usar o Jupyter Notebook no WSL (Windows Subsystem for Linux).

Instalação

A instalação do Jupyter Notebook no WSL envolve a criação de um ambiente virtual Python. Aqui estão os passos:

1. Primeiro, instale o python3-venv que nos permitirá criar ambientes virtuais:

sudo apt-get install python3-venv

2. Crie um diretório para o seu ambiente virtual e navegue até ele:

mkdir myproject
cd myproject

3. Crie o ambiente virtual:

python3 -m venv myenv

4. Ative o ambiente virtual:

source myenv/bin/activate

5. Agora você pode instalar o Jupyter Notebook no seu ambiente virtual:

pip install notebook

Acessando o Jupyter Notebook do Windows

Para acessar o servidor Jupyter Notebook a partir do Windows, você precisa iniciar o Jupyter Notebook no WSL e, em seguida, conectar-se a ele usando um navegador web no Windows.

Inicie o Jupyter Notebook com o seguinte comando:

jupyter notebook --no-browser --port=8888

Em seguida, no Windows, abra um navegador web e digite localhost:8888 na barra de endereços.

Exemplos com Matplotlib, NumPy, Pandas e Machine Learning

Aqui estão alguns exemplos de como você pode usar o Jupyter Notebook para análise de dados e aprendizado de máquina com Matplotlib, NumPy, Pandas e scikit-learn.

Exemplo 1: Gráfico de Linha com Matplotlib

Python

import matplotlib.pyplot as plt
import numpy as np

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

plt.plot(x, y)
plt.show()

Exemplo 2: DataFrame com Pandas

Python

import pandas as pd

data = {'Name': ['John', 'Anna', 'Peter', 'Linda'],
        'Age': [28, 24, 35, 32],
        'City': ['New York', 'Paris', 'Berlin', 'London']}
df = pd.DataFrame(data)

print(df)

Exemplo 3: Aprendizado de Máquina com scikit-learn

Python

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn import metrics

iris = load_iris()

X = iris.data
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=4)

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

print(metrics.accuracy_score(y_test, y_pred))

IoT com Python e Jupyter Notebook

O Python é uma linguagem de programação popular para IoT devido à sua sintaxe clara e concisa e à grande comunidade de desenvolvedores. O Jupyter Notebook, com sua capacidade de combinar código, visualizações e texto, é uma excelente ferramenta para prototipagem e experimentação em IoT.

Aqui está um exemplo simples de como você pode usar o Python e o Jupyter Notebook para coletar dados de um sensor de temperatura e exibi-los em um gráfico.

Python

import matplotlib.pyplot as plt
import random

# Simula a leitura de um sensor de temperatura
def read_temperature():
    return 25 + random.random() * 5

temperatures = [read_temperature() for _ in range(10)]
plt.plot(temperatures)
plt.show()

Links Úteis

• Tutorial do WSL no site oficial da Microsoft: https://docs.microsoft.com/pt-br/windows/wsl/
• Documentação oficial do Matplotlib:
  https://matplotlib.org/
• Documentação oficial do NumPy:
  https://numpy.org/doc/
• Documentação oficial do Pandas:
  https://pandas.pydata.org/docs/
• Documentação oficial do scikit-learn:
  https://scikit-learn.org/stable/