Ejecutar notebooks en Visual Studio Code combina la flexibilidad de Jupyter con un entorno de desarrollo más robusto, ideal si trabajas con Python y necesitas depurar, organizar y visualizar datos sin salir de tu editor. Aquí aprenderás a crear celdas, conectar el kernel, manejar errores y aprovechar el debugger paso a paso.

¿Cómo crear y conectar un notebook en VS Code?

Todo empieza dentro de la carpeta donde guardas tus archivos. En el ejemplo trabajamos en la carpeta Notebooks, conectados a Python 3.12 en el ambiente Notebooks EMP.

Para crear el archivo, basta con asignarle la extensión .ipynb. Por ejemplo, Nuevo Ejemplo.ipynb. Apenas guardas, VS Code reconoce el ícono del notebook y te permite ejecutarlo [00:35].

¿Qué extensión necesita un notebook en VS Code? La extensión .ipynb. Esa es la que activa la interfaz interactiva de celdas y permite seleccionar un kernel de Python.

Después de crear el archivo, selecciona el kernel (en este caso, Notebooks EMP) para tener acceso a los recursos del entorno: librerías instaladas, variables y procesamiento.

¿Cómo se ejecutan celdas de código y markdown?

Un notebook mezcla dos tipos de celdas: las de código, donde corres Python, y las de markdown, donde escribes texto explicativo. Esa combinación convierte al notebook en una herramienta de documentación viva.

Para arrancar, prueba el clásico print("Hola, mundo") en una celda de código y pulsa el botón de ejecutar. El resultado aparece justo debajo.

Las celdas markdown se ejecutan con Ctrl + Enter para renderizar el texto. Por ejemplo, un encabezado como “Ejemplo usando Pandas” se transforma en texto formateado al ejecutarlo [01:30].

¿Cómo cargar un CSV con Pandas dentro del notebook?

Si en la misma carpeta tienes un archivo datos.csv, puedes abrirlo con pandas y desplegarlo como tabla interactiva. El entorno ya tiene pandas cargado, así que solo importas la librería y lees el archivo. La tabla se muestra con columnas como fecha, producto, cantidad y precio.

¿Cómo graficar con matplotlib y manejar errores?

El flujo con matplotlib es directo: importas, creas el gráfico y lo muestras. Pero si te equivocas en el nombre de una columna, el notebook te lanza un error claro indicando que no existe esa columna.

Aquí aparece una de las ventajas más potentes del flujo en notebook: corriges la celda anterior, vuelves a ejecutarla, y el gráfico se renderiza sin necesidad de recargar todo el archivo.

¿Cómo depurar celdas y revisar variables en VS Code?

La barra superior del notebook ofrece atajos para crear celdas, ejecutar todo y reiniciar el kernel. Reiniciar es útil cuando quieres limpiar el estado y correr el flujo desde cero.

VS Code también incluye un panel de variables. Si guardas valores en a = 1 y b = 2, puedes abrir el panel y ver todas las variables activas del notebook en una sola vista.

¿Qué hace reiniciar el kernel? Borra todas las variables y reinicia el entorno de ejecución. Es como cerrar y abrir Python desde cero, pero sin perder el código escrito en las celdas.

¿Cómo usar breakpoints dentro de una celda?

Una ventaja exclusiva de VS Code frente a Jupyter clásico es la depuración con breakpoints. Si tienes una función simple que calcula un área a partir de base y altura, puedes hacer clic a la izquierda del número de línea para añadir un breakpoint.

Luego seleccionas la opción de depurar la celda y el editor te lleva paso a paso por la ejecución. Al pasar el cursor sobre cualquier variable, ves su valor en tiempo real. Cuando terminas, cierras el proceso de debug y vuelves al flujo normal.

Esto convierte al notebook en algo más que un scratchpad: lo acerca al nivel de un IDE completo.

¿Cómo guardar y renombrar tu notebook?

Guardar es tan simple como Cmd + S (o Ctrl + S en Windows). El punto que aparece junto al nombre del archivo desaparece cuando los cambios se guardan.

Para renombrar, haz clic derecho sobre el archivo en el explorador y elige la opción de renombrar. Por ejemplo, pasar de Nuevo Ejemplo a New 1. El nombre se actualiza también en la pestaña abierta.

Si añades una celda nueva, como un print(4), vuelve a guardar para conservar el cambio. Ese flujo de iterar, ejecutar y guardar es el corazón del trabajo con notebooks.

Ya conoces cuatro entornos para trabajar con notebooks: Google Colab, Jupyter Notebooks, JupyterLab y Visual Studio Code. ¿Cuál se adapta mejor a tu flujo? Cuéntalo en los comentarios y comparte cuál te parece más cómodo para proyectos de datos.