【Python】Jupyter Labとは？インストールや使い方など開発環境構築まで解説！

プログラミング言語Pythonに限らず、多くのプログラミングは実行環境を構築する必要があります。

上記の悩みを解決しながら、Python実行環境であるJupyter Lab（ジュピターラボ）のインストールから使い方まで解説します。

Pythonの実行環境構築でつまずくと取り組みが遅れるため、ハンズオン形式で実施できるようまとめています。

Jupyter Labとは？

Jupyter Lab（ジュピターラボ）は、Jupyter Notebook（ジュピターノートブック）の後継機として開発されたブラウザ上で動作するGUIベースの対話型実行環境です。

主にデータ分析/データ可視化やAI/機械学習といった数学的な利用に用いられます。

Jupyter Labは、以下の分野や職種の方々に利用されています。

Jupyter Labは以下の特徴があります。

Jupyter Labはローカルサーバー上に実行環境を起動することで、インタラクティブ（対話型）な実行が可能であり、プログラムコードの実行結果が即座に確認できます。

また、Jupyter Notebookの後継機になるため、基本機能以外にJupyter Lab Extensionといった拡張機能を追加できます。

Jupyter LabとJupyter Notebookの違い

JupyterLabはJupyter Notebookの後継機のソフトウェアとしてリリースされています。

そのため、Jupyter NotebookよりJupyter Labのほうが利便性が高いのが特徴です。

特に、Jupyter Notebookの環境では開発画面をブラウザ上のタブによって実現していましたが、検索タブや別タブによる開発画面によって面倒なタブ切り替えが発生していました。

Jupyter Labでは複数の開発画面を実現しているため、非常に利便性が高まっています。

また、JupyterLabはセルの入れ替えをドラッグ&ドロップできます。

Jupyter LabではなくJupyter Notebookを詳しく知りたい人は「【Python】Jupyter Notebookとは？インストールや使い方など開発環境構築まで解説！」を一読ください。

あわせて読みたい

【Python】Jupyter Notebookとは？インストールや使い方など開発環境構築まで解説！ プログラミング言語Pythonに限らず、多くのプログラミングは実行環境を構築する必要があります。 ここでは、アカデミック分野やデータサイエンス分野で分析に利用される…

関連記事は、Jupyter Notebookのインストールや起動方法、使い方から日本語設定までハンズオン形式で解説してます。
さらに、Jupyter Notebookの操作方法を画像解説をもとにJupyter Labの違いも記載してます。

Jupyter LabとGoogle Colaboratoryの違い

Jupyter LabとGoogle Colaboratoryの違いは、以下の内容になります。

機能的な違いはほとんどなく、Jupyter NotebookをベースにGoogle Colaboratoryは独自開発された環境です。

また、Jupyter Labを自身のPC上で展開するにあたり、問題が起こるケースもあります。

様々な問題が個々人のPCによって発生すると推測しますが、Jupyter Labをオンラインで活用することも可能です。

以下は、Jupyter Labの機能をオンライン上で利用できるサービスになります。

以下は、各サービスの比較表になります。

筆者のおすすめは、Google ColaboratoryによるJupyter Labの活用です。

Googleアカウントがあればすぐにサービス利用ができる他、機械学習に活用されるTensorFlowやKeras/scikit-learnなど機械学習フレームワークやライブラリが既にインストールされています。

また、保存容量が多い点やハイスペックな環境も整備されているなど利点が数多くあります。

Google上の様々なサービスと連携も可能であり、使い勝手が非常に良いです。

Google Colaboratoryによるオンライン上のJupyter Notebookを利用したい人は「【Python】Google Colaboratoryとは？料金から使い方まで網羅的に解説！」を一読ください。

あわせて読みたい

【Python】Google Colaboratoryとは？料金から使い方まで網羅的に解説！ 本記事では、Google Colaboratory（略称: Google Colab）の基本的な使い方を網羅的にまとめています。 本記事のまとめ Google Colabのメリットとデメリット Google Cola…

関連記事は、Google Colaboratoryの基本的な使い方とファイル操作を解説してます。
また、グーグルコラボのTipsや定期実行に関する内容も記載してます。

Jupyter Lab（ジュピターラボ）のインストール方法

Jupyter Lab（ジュピターラボ）は、主に以下の方法でインストールできます。

Macではターミナル、Windowsではコマンドプロンプトを使用してインストールします。

筆者は、Anacondaによる一括インストールをおすすめしていません。
理由としては、Anacondaのバージョンや互換性のない欠損ファイル等でJupyter Labが起動できない可能性があるためです。

また、全く環境構築ができていない場合を考え、以下の構築ステップを記載します。

STEP

Pythonのインストール

Pythonの公式サイトから、インストーラーをダウンロードします。

Python.org

Welcome to Python.org The official home of the Python Programming Language

各OSに合わせたインストーラーを起動することで、Pythonを自身のPCへインストールできます。

Pythonの詳細なインストール手順や設定を画像で知りたい人は「【Python】ダウンロードとインストール方法から環境構築まで解説！」を一読ください。

あわせて読みたい

【Python】ダウンロードとインストール方法から開発環境構築まで解説！ これからPythonを始めたい初心者・入門者は、個人PCへのPython実行環境を準備する必要があります。 そのために、Pythonのダウンロード・インストールのほかに実行環境構…

関連記事は、Pythonのダウンロード・インストールと設定・環境構築を解説します。
記事を読み終えると、Pythonのダウンロードとインストール完了、実行環境の構築まで準備できます。

STEP

pipのバージョン確認

基本的に、Pythonをインストールした時点で付属モジュールとしてpipもインストールしています。

pipモジュールを利用することでJupyter Labのインストールが可能になります。

pip --version

上記のコードにて、pipモジュールのバージョンを確認できます。

STEP

Jupyter Labのインストール

Jupyter Labをインストールする場合は、以下のコマンドをターミナルあるいはコマンドプロンプトで実行します。

Pythonパッケージ管理ツールpipを利用することでインストールできます。

pip install jupyterlab

Jupyter Labを仮想環境に切り替えたい

Jupyter Labでデータ分析あるいは開発を実施する際、プロジェクトごとに専用の実行環境を作成し切り替えたいケースがあります。

プロジェクト管理がしやすいことやインストールする各ライブラリ/モジュールの干渉を防ぎエラーを発生させない意図があります。

また、このような開発/分析用として一時的に作成する実行環境を「仮想環境」と呼びます。

ローカル環境で開発/分析を進めるにあたり、venvモジュールを利用した仮想環境を構築します。

venvは、Pythonに標準搭載された仮想環境用モジュールです。

venvを利用することで、プロジェクトごとに分離したPython実行環境を構築できるため、各実行環境でそれぞれのパッケージを管理できます。

上記を含めてJupyter Labの仮想環境を構築していきます。

Jupyter Labの仮想環境を構築する（Windows）

仮想環境を構築するには、任意のディレクトリで以下のコマンドを実行します。

はじめに、WindowsではPowerShellを起動させ、作業ディレクトリを作成します。

mkdir jupyter-lab-project

ここでは、ディレクトリ名として「jupyter-lab-project」にしています。

次に、任意のディレクトリに移動します。

cd jupyter-lab-project

任意のディレクトリに移動したら、以下のコマンドを実行しポリシーを変更します。

Set-ExcutionPolicy RemoteSigned CurrentUser

また、変更できたか確認したい場合は以下のコマンドで表示できます。

Get-ExecutionPolicy -Scope CurrentUser

応答で「RemoteSigned」が表示されれば変更完了です。

次に、以下のコマンドで仮想環境を作成します。

py -m venv venv

py -m venv ＜仮想環境パス＞

.\＜仮想環境パス＞\Scripts\activate

作成した仮想環境venvを有効化します。

.\venv\Scripts\activate

ここでは、Jupyter Labによる実行環境を作成していきます。

pip install jupyterlab

作成した仮想環境にインストールされたパッケージを確認する場合は、以下のコマンドを実行しましょう。

pip list

Pythonによる仮想環境を構築でき任意のディレクトリのみJupyter Labをインストールできた状態になります。

上記のように、特定のディレクトリでJupyter Labによる開発/分析が可能になりました。

Jupyter Lab（ジュピターラボ）の起動方法

Jupyter Labを起動するには、以下のコードをMacであればターミナル、Windowsであればコマンドプロンプトにて実行します。

jupyter lab

コードを実行すると、http://localhost:8888/labにアクセスしてJupyter Labが起動します。

実際にJupyter Labを起動した表示画面が以下になります。

GUI操作によるブラウザ実行環境であるため、プログラミング初心者でも分かりやすい設計になっています。

Jupyter Labが起動しない場合の対処

Python実行環境を構築する際、AnacondaにてJupyter labをインストールすると起動しないケースがあるようです。

Jupyter Labが起動しない場合の対処として、以下の4つを確認するとよいです。

公式ドキュメントに記載されていますが、サポートするブラウザはFirefox/Chrome/Safari/Edgeの最新バージョンのため確認しておきましょう。

バックグラウンドによる起動ができており、ブラウザが開かない場合は一度http://localhost:8888/labを手動でアドレスバーに入力してみましょう。

ネットワークによるセキュリティ制限の場合は、導入しているセキュリティソフト等のファイアウォール設定にて、Pythonがサーバーを動作させる際の禁止設定がないか確認しましょう。

パッケージ管理ツールなどの組み合わせでAnacondaを導入した場合、欠損ファイルが発生する可能性もあるため、Anacondaの再インストールを試みましょう。

Jupyter Lab（ジュピターラボ）の日本語化

はじめにJupyter Lab（ジュピターラボ）の日本語化を設定しておくと、プログラミング初心者は利用しやすいです。

そのため、ここではJupyter Lab（ジュピターラボ）の日本語化の設定を解説します。

上記の画像は、Jupyter Lab（ジュピターラボ）日本語化パッケージをインストールする前であるため、「English」にチェックが入っています。

Macであればターミナル、Windowsであればコマンドプロンプトを起動し、pipあるいはpip3でJupyter Lab（ジュピターラボ）日本語化パッケージをインストールします。

以下のpipコマンドをターミナルあるいはコマンドプロンプトにて実行してください。

pip install jupyterlab-language-pack-ja-JP
pip3 install jupyterlab-language-pack-ja-JP

利用しているpipモジュール（あるいはpip3モジュール）でコマンドは使い分けて頂ければと思います。

Jupyter Lab（ジュピターラボ）日本語化パッケージのインストール後、Jupyter Labを起動すると言語選択が可能になります。

Jupyter Labの手順にて、『Settings』→『Language』→『Japanese – 日本語』を選択します。

『Japanese – 日本語』を選択すると、『Change and reload』のボタンが表示されるのでクリックします。

ブラウザがJupyter Labを再起動するため、再起動後の画面を見ると日本語化の設定に変更されていることが分かります。

これでJupyter Labの日本語化設定は完了です。

Jupyter Lab（ジュピターラボ）の使い方①

ここでは、Jupyter Labの基本的な使い方としていくつか利用例を解説します。

起動時の画面から、順を追って解説していきます。

フォルダ選択/作成と実行ファイル作成

起動時の画面にて、利用したいフォルダを選択してください。

あるいは、左上にある「フォルダ作成」のボタンをクリックすることで新規フォルダ作成できます。（ここでは「sampleフォルダ」を作成しています。）

利用したいフォルダまで移動できたら、右上部にある『Notebook』の『Python3（ipykernel）』をクリックします。

新規ファイルを作成すると、ブラウザ上で新規タブが作成されてpythonファイルのコード記述画面へ遷移します。

また、作成したファイルにカーソルを合わせて、右クリックすると「ファイル名変更」ができます。（ここでは「sample.ipynb」としています。）

実行ブラウザ起動とコード記述

試しに、ダミーデータを利用したデータ分析＆プロット表示に関するプログラムコードを記述して実行してみます。

pip install numpy scikit-learn matplotlib

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score

# ダミーデータの生成
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

# データをトレーニングセットとテストセットに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 線形回帰モデルの作成とトレーニング
model = LinearRegression()
model.fit(X_train, y_train)

# モデルを用いて予測
y_pred = model.predict(X_test)

# モデルの評価
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print("Mean Squared Error:", mse)
print("R^2 Score:", r2)

# 結果のプロット
plt.scatter(X, y, color='blue', label='Data points')
plt.plot(X_test, y_pred, color='red', linewidth=2, label='Regression line')
plt.xlabel('X')
plt.ylabel('y')
plt.legend()
plt.show()

プログラムコード実行

コードを記述後、Shift + Enterで実行結果を逐次確認することができます。

本来、ターミナルあるいはコマンドプロンプトにて.pyファイルを実行しなければ結果を確認できませんが、Jupyter Labではプログラム結果を即座に確認することができるため、コーディング中のプログラムを確認するのに便利です。

ファイル名の編集とファイル保存

ファイル名の編集方法は、名称を編集したいファイルにて右クリック後、『Rename（英語）-名前を変更（日本語）』をクリックして編集してください。

ファイルの保存方法は、ファイルタブをクリック後『Notebookを保存』あるいはタブ上部のセーブアイコン、Ctrl + Sで保存できます。

Jupyter Labの終了

Jupyter Labを終了させたい場合は左上部のファイルタブをクリック後、『Shut Down』をクリックすれば終了します。

GUI操作画面でPythonの実行環境が利用できるメリットを実感して頂けると思います。

Jupyter Lab（ジュピターラボ）の使い方②

さらにJupyter Labを便利に活用するTipsをご紹介します。

これらを使いこなせれば、Jupyter Labを一通りマスターできてると思います。

特に、Progateといったブラウザ上のテキストエディタで学習してきたプログラミング初心者であれば、Jupyter Labもブラウザ上の動作環境を仮想的に実現しているので活用しやすいと思います。

Jupyter Lab Extensionのセットアップ方法

Jupyter Labの特徴の一つにExtension（拡張機能）があります。

Jupyter Labに拡張機能をインストールすることで便利な機能を追加できるため、コーディングの生産性を高めます。

Extensionを利用するためには以下の操作が必要です。

拡張機能を利用する前に、Node.jsをインストールする必要があります。

Node.jsのインストール方法

Node.jsをインストールする方法として、以下の方法を実行してください。

Anacondaのパッケージ管理ツールcondaにてインストールする場合は、以下のコマンドを実行してください。

conda install -c conda-forge nodejs

Mac OS Xのパッケージ管理ツールHomebrewからインストールする場合は、以下のコマンドを実行してください。

brew install node

どちらのパッケージ管理ツールを利用できない環境の場合は、環境に合わせたパッケージ管理ツールをインストールした後に上記コードを実行するか、Node.js公式サイトからインストールしてください。

あわせて読みたい

Node.js — Run JavaScript Everywhere Node.js® is a JavaScript runtime built on Chrome’s V8 JavaScript engine.

Node.jsのインストールを完了させたら、Extension（拡張機能）のインストール準備が整いました。

Extension Managerの使い方

Jupyter LabにてExtension（拡張機能）をインストールするためには、Extension Managerを利用します。

Extension Managerは、画面左側のメニューにあるパズルアイコンをクリックすると、以下の画像のように表示されます。

初期の段階では警告が表示されているため、「Yes」をクリックすれば問題なく利用できます。

警告に対して同意すれば、上記の画像のように拡張機能を検索することができます。

また、利用したいExtensionが見つかれば、DISCOVER内にある各Extensionの下側に位置する『Install』ボタンをクリックすると、拡張機能をインストールできます。

おすすめのJupyter Lab Extension（拡張機能）

ここでは、Jupyter LabにおすすめのExtension（拡張機能）をご紹介します。

これらのextension（拡張機能）を利用すると、コーディングの効率がグッと高まります。

jupyterlab-lsp

Jupyter Labのコーディング中に様々な情報提供してくれる拡張機能です。

コーディング中のあらゆる作業に対して効率化を図る機能が実装されているため、Jupyter Labのおすすめ拡張機能になります。

Variable Inspector

Jupyter Labでコーディング中に記述した変数に格納された値を一覧表示で確認できる機能です。

各変数を毎度print()関数で出力する必要がないため、重宝されます。

Extension Managerにて、『@lckr/jupyterlab_variableinspector』で検索できます。

autocomplete

Jupyter Labにはコード補完機能が存在します。

コードを記述している途中で、Tabキーを入力すると候補が表示されます。

jupyterlab-flake8

Jupyter Labにて.pyファイル/ipynbファイルの構文エラーや文法ミスを指摘する機能です。

残念ながら動的ではありませんが、ファイルのセーブを起点に指摘が更新されます。

Python初心者は構文エラー/文法ミスが非常に多いため、他者に質問することなくJupyter Lab内にて独学できるので重宝します。

デスクトップアプリ版 – JupyterLab Desktop

Jupyter Labのデスクトップアプリ版である『JupyterLab App』がリリースされています。

Electronベースのマルチプラットフォーム対応となっており、Mac/Windows/Linuxに対応しています。

GitHubからJupyterLab Appの各OSに対応したインストーラーをダウンロードできます。

ダウンロードが完了すれば、インストーラーを実行してデスクトップアプリとしてJupyter Labを利用できます。

ローカルPCにおけるPythonの実行環境構築

現在、様々な状況下でプログラミングの実行環境を構築できます。

しかし、多くの方法があるがゆえに環境構築方法がわからなくなる人も少なくありません。

ローカルPCにてPythonの実行環境構築を実現したい人は、「【Python】ダウンロードとインストール方法から環境構築まで解説！」を一読ください。

Job Code

【Python】ダウンロードとインストール方法から開発環境構築まで解説！ Pythonのダウンロード・インストールと設定・環境構築を解説します。 記事を読み終えると、Pythonのダウンロードとインストール完了、実行環境の構築まで準備できます。

関連記事は、Pythonのダウンロード・インストールと設定・環境構築を解説します。
記事を読み終えると、Pythonのダウンロードとインストール完了、実行環境の構築まで準備できます。

Google ColaboratoryによるPython実行環境構築

Google Colaboratory（略称：Google Colab）とは、教育機関や研究機関において機械学習の普及を目的としたGoogleサービスの一つです。

Google Colabは、Jupyter Notebookを必要最低限の労力とコストで活用できます。

また、Googleアカウントを持っていれば、ブラウザとインターネットを利用しプロジェクトを開始できます。

基本的に、プログラミング言語Pythonをメインに利用者が増加しています。

Google ColaboratoryでPython実行環境を実現したい人は「【Python】Google Colaboratoryとは？料金から使い方まで網羅的に解説！」で解説します。

Job Code

【Python】Google Colaboratoryとは？料金から使い方まで網羅的に解説！ Google Colaboratoryの基本的な使い方とファイル操作を解説してます。 また、グーグルコラボのTipsや定期実行に関する内容も記載してます。

関連記事は、Google Colaboratoryの基本的な使い方とファイル操作を解説してます。
また、グーグルコラボのTipsや定期実行に関する内容も記載してます。

Python製フレームワークのFlask

Flask（フラスク/フラスコ）は、Python製のマイクロWebフレームワークです。

Flaskは拡張性を持つ特徴があり、基本的に最低限の機能のみを提供するフレームワークになります。

必要に応じて様々な拡張機能を追加することで、小規模から大規模なWebアプリ開発まで多様なケースで利用できるよう設計されています。

これからPythonで本格的にWebアプリ開発へ挑戦したい人は、「【Python】フレームワークFlaskとは？インストール方法から環境構築まで徹底解説！」を一読ください。

あわせて読みたい

【Python】Flaskとは？インストール方法から開発環境構築まで解説！ これからPythonフレームワークであるFlaskを始めたい初心者・入門者は、Flaskの実行環境を準備する必要があります。 そのために、Flaskのインストールのほかに実行環境…

関連記事は、フレームワークFlaskのインストール方法から実行開発環境まで解説してます。
また、使い方やできることとしてFlaskアプリの実装も解説してます。

本格的にエンジニアへのキャリアチェンジを考えてる人へ

プログラミングスキルを社内やプライベートで活用している人が増えています。

Pythonは特にデータ収集や分析に特化したライブラリが豊富なため、業務プロセスの一元管理やDX化に貢献しています。

また、プログラミングに触れてエンジニアへのキャリアチェンジを実現したい人の人材規模も年々高まっています。

一度、あなたのキャリアプランを振り返ってみてください。

上記の項目をYESと答えられる人は、特に言うことはありません。

現在、エンジニアへのキャリアチェンジでお悩みの方は、「【Python特化】厳選したおすすめプログラミングスクール」を一読ください。

あわせて読みたい

【Python特化】厳選したおすすめプログラミングスクール 【重要な質問】:あなたはYESと何個答えられますか？ 現在の状況を考える質問 収入アップが見込めている キャリアアップが見込めている 働き方を明確に決めれている 3項…

本格的にエンジニアへのキャリアチェンジを考えてる人へ、Python特化の厳選したプログラミングスクールを解説してます。
また、スクールのメリットや金額など学習プラン設計についても言及してます。