Python + JupyterPython + Jupyter
Interactive notebooks where you write Python, see charts and tables immediately, and document your research in one place.Notebooks אינטראקטיביים שבהם כותבים Python, רואים מיד גרפים וטבלאות, ומתעדים את המחקר במקום אחד.
What is it?מה זה?
Project Jupyter is an open-source project that makes the notebook: a document made of cells, where each cell is either code you can run or text that explains it. JupyterLab is the main modern interface and runs in your browser on your own computer. Python is the most popular language in Jupyter, and almost every quant library works inside it.Project Jupyter הוא פרויקט קוד פתוח שיצר את ה-notebook: מסמך שבנוי מתאים, שכל אחד מהם הוא קוד שאפשר להריץ או טקסט שמסביר אותו. JupyterLab הוא הממשק המודרני המרכזי, והוא רץ בדפדפן על המחשב שלכם. Python היא השפה הפופולרית ביותר ב-Jupyter, וכמעט כל ספריית quant עובדת בתוכו.
Why it matters for quantsלמה זה חשוב לקוואנטים
Quant research is exploratory: load data, plot it, test an idea, tweak, repeat. Notebooks fit this loop perfectly because you keep state in memory and see results instantly. They also double as research reports, combining code, charts and reasoning so colleagues can follow and reproduce your work. Many quant teams prototype in notebooks and then move the stable code into proper Python modules for production.מחקר כמותי הוא תהליך חקרני: טוענים נתונים, משרטטים, בודקים רעיון, משנים וחוזר חלילה. Notebooks מתאימים ללולאה הזו בדיוק, כי המצב נשמר בזיכרון ורואים תוצאות מיד. הם משמשים גם כדוחות מחקר שמשלבים קוד, גרפים והסברים, כך שעמיתים יכולים לעקוב ולשחזר. הרבה צוותי quant בונים אב-טיפוס ב-notebooks ואז מעבירים את הקוד היציב למודולי Python מסודרים לפרודקשן.
What quants look forמה קוואנטים מחפשים שם
- JupyterLab as the main interface, with file browser, terminals and multiple notebooks side by sideJupyterLab כממשק המרכזי, עם דפדפן קבצים, טרמינלים וכמה notebooks זה לצד זה
- Inline charts (matplotlib, plotly) right under the code that produced themגרפים בתוך המסמך (matplotlib, plotly) ממש מתחת לקוד שיצר אותם
- Text cells to document assumptions, data sources and conclusionsתאי טקסט לתיעוד הנחות, מקורות נתונים ומסקנות
- Support in editors such as VS Code, if you prefer an IDEתמיכה בעורכים כמו VS Code, אם אתם מעדיפים IDE
How to get startedאיך מתחילים
- Install Python (for example from python.org), then in a terminal run: pip install jupyterlabהתקינו Python (למשל מ-python.org), ואז בטרמינל הריצו: pip install jupyterlab
- Create a project folder, ideally with a virtual environment, and install the basics: pip install pandas numpy matplotlibצרו תיקיית פרויקט, רצוי עם virtual environment, והתקינו את הבסיס: pip install pandas numpy matplotlib
- Start it with: jupyter lab. A browser tab opens; create a new Python 3 notebook.הפעילו עם: jupyter lab. ייפתח טאב בדפדפן; צרו notebook חדש של Python 3.
- Run cells with Shift+Enter and start with a small task, such as loading a price series and plotting it.הריצו תאים עם Shift+Enter והתחילו ממשימה קטנה, כמו טעינת סדרת מחירים ושרטוט שלה.
Tips & pitfallsטיפים ומלכודות
- Cells can be run out of order, which leads to hidden state bugs. Before trusting a result, use Restart Kernel and Run All.אפשר להריץ תאים שלא לפי הסדר, וזה גורם לבאגים של מצב נסתר. לפני שאתם סומכים על תוצאה, השתמשו ב-Restart Kernel ו-Run All.
- Move reusable logic (data loading, signal functions) into .py files and import it, so notebooks stay short and testable.העבירו לוגיקה שחוזרת על עצמה (טעינת נתונים, פונקציות סיגנל) לקבצי py. וייבאו אותה, כך שה-notebooks יישארו קצרים וניתנים לבדיקה.
- Notebooks are JSON files and produce messy git diffs. Clear outputs before committing, or use a tool such as jupytext.Notebooks הם קבצי JSON ויוצרים diffs מבולגנים ב-git. נקו פלטים לפני commit, או השתמשו בכלי כמו jupytext.
Relatedקשור
Sourcesמקורות
Quant Israel is not affiliated with this service or company. Details may change — check the official site. Nothing here is investment advice.Quant Israel אינה קשורה לשירות או לחברה הזו. הפרטים עשויים להשתנות — בדקו באתר הרשמי. שום דבר כאן אינו ייעוץ השקעות.