Fragen zu Paketinstallation

Könnt ihr mir eine Arbeitsumgebung mit meinen Wunschpaketen erstellen?

Wir sind grundsätzlich bereit spezielle Arbeitsumgebungen zu erstellen, jedoch ist es uns wichtig, dass dies nicht nur zum Nutzen einzelner Gruppen geschieht. Eine Steigerung der Anzahl der Arbeitsumgebungen geht mit einer Steigerung der Komplexität unseres JupyterHub-Service einher. Sie können uns gerne eine Anfrage auf eine modfizierte Arbeitsumgebung via kontakt@hrz.tu-darmstadt.de zu senden, versuchen Sie dabei aber zu berücksichten inwiefern ihre Arbeitsumgebung allgemein nützlich sein könnte. Uns ist klar, dass bestimmte Software-Pakete nur in vergleichsweise kleinen wissenschaftlichen Communities Verwendungen finden und somit ein allgemeiner Nutzen nicht immer möglich sein wird. Kommen Sie mit uns ins Gespräch.

Ein Paket, welches ich brauche, fehlt in allen Arbeitsumgebungen. Was kann ich tun?

Sie können zusätzliche Pakete oft selbst installieren - je nach Programmiersprache: - Python: Pakete können mit pip installiert werden. - R: Pakete können mit install.packages() installiert werden. - Julia: Pakete können über den Paketmanager Pkg installiert werden.

Die Installtion gilt dann nur für Ihre eigene Arbeitsumgebung und nur bis dies beendet wird. Ein Neustart setzt die Arbeitusumgebung zurück.

Die meisten Pakete lassen sich recht schnell installieren und indem man in die erste Zelle eines Notebooks !pip install matplotlib schreibt kann man z.B. sicherstellen, dass ein Paket immer installiert wird, bevor ein Notebook ausgeführt wird. Dies nimmt bei der initialen Ausführung eines Notebooks dann zwar etwas Zeit in Anspruch (wenige Sekunden pro fehlendem Paket), aber für jede weitere Ausführung läuft das Notebook dann normal durch.

Wichtig: Systempakete können nicht selbstständig installiert werden.

Wenn Sie denken, dass ein Paket für viele Nutzer:innen sinnvoll wäre, dann können Sie uns via kontakt@hrz.tu-darmstadt.de kontaktieren, um eine Erweiterung zu beantragen. Wir prüfen dann, ob das Paket in alle Arbeitsumgebungen aufgenommen werden kann.

Welche Pakete sind in den verschiedenen Arbeitsumgebungen installiert?

Die Sammlung an Paketen ist in allen Arbeitsumgebungen recht umfänglich. Eine einfache Methode zu probieren, ob ein Paket installiert ist, ist der Versuch dieses zu importieren bzw. zu verwenden. Ihr Kernel wird Ihnen in den Fehlermeldungen exakt sagen, welche Pakete gefunden wurden und welche nicht.

Zusätzlich haben alle Paketmanager Funktionen, um die Liste der aktuell installierten Pakete abzurufen.

Für den System Paketmanager „apt“ können Sie im Terminal apt list –installed eingeben. Diese Liste ist oft so groß, dass man sie nicht manuell durchsuchen kann. Hierbei kann es helfen mit Hilfe von grep nach bestimmten Paketen in der Liste zu suchen. Probieren Sie apt list –installed | grep Paketname, wobei sie „Paketname“ gegen das Paket ersetzen, welches Sie prüfen wollen. So könnten Sie z.B. prüfen ob „vim“ installiert ist indem sie apt list –installed | grep vim ins Terminal eingeben. Wenn Sie keine Ausgabe erhalten, dann ist das Paket nicht installiert.

Für den Python-Paketmanager „pip“ können Sie im Terminal den Befehl pip freeze verwenden. Diesen können Sie genauso mit „grep“ kombinieren wie bei „apt“, also pip freeze | grep matplotlib gibt Ihnen genau dann etwas aus, wenn das Paket „matplotlib“ installiert ist.

Für R können Sie die installierten Pakete am besten in der R-Shell überprüfen. Starten Sie ein R-Notebook oder eine R-Shell und führen Sie den Code-Schnipsel installed.packages() aus. Nun erhalten Sie eine Liste aller installierten R-Pakete.

Für Julia können Sie die installierten Pakete ebenfalls am besten in der Julia-Shell überprüfen. Starten Sie ein Julia-Notebook oder eine Julia-Shell und führen Sie erst den Code-Schnipsel using Pkg und dann den Pkg.status() aus. Auch hier erhalten Sie eine Liste aller installierten Pakete.

Zusätzlich können Sie sich mit der offiziellen Jupyter Docker Stack Dokumentation, der durch uns bereitsgestellten Arbeitsumgebungen beschäftigen. Hier ist eine Liste der Arbeitsumgebungen:

Arbeitsumgebung	Beschreibung	Docker Stack Referenz
(Empfohlen) Python3	Enthält den Python3 Kernel und grundlegende Commandline Werkzeuge	jupyter/minimal-notebook
SciPy Stack + Python3	Enthält beliebte Python-Pakete mit wissenschaftlichem Einsatzgebiet	jupyter/scipy-notebook
Julia + Python3	Enthält den Julia-Compiler und eine Auswahl beliebter Julia-Pakete	jupyter/julia-notebook
R + Python3	Enthält den R-Interpreter und eine Auswahl beliebter R-Pakete	jupyter/r-notebook
Data Science Stack	Enthält Kernel für R und Julia und aktuelle Data-Science-Werkzeuge	jupyter/datascience-notebook

Die Docker Stack Dokumentation der einzelnen Arbeitsumgebungen ist hier zu finden: https://jupyter-docker-stacks.readthedocs.io/en/latest/using/selecting.html