Busque em todas as páginas da documentação
Notebooks Jupyter, exports parquet e checkpoints de modelos precisam de políticas Git diferentes do código de aplicação - nbstripout, Git LFS e ferramentas de versionamento de dados mantêm os PRs revisáveis e os repositórios pequenos.
pip install nbstripout
nbstripout --install --attributes
git add .gitattributes notebooks/analysis.ipynb
git commit -m "chore: strip notebook outputs on commit"Quando usar isso:
.ipynb# Trecho do arquivo .pre-commit-config.yaml
repos:
- repo: https://github.com/kynan/nbstripout
rev: 0.7.1
hooks:
- id: nbstripout
# Rastrear artefatos grandes com LFS
git lfs install
git lfs track "*.parquet"
git lfs track "models/*.pt"
git add .gitattributes
git commit -m "chore: LFS track parquet and model weights"# Preferir referenciar dados por URI em notebooks
DATA_URI = "s3://acme-analytics/processed/orders/dt=2026-07-08/"
# não: pd.read_csv("data/orders_10gb.csv") # comitado no gitO que isso demonstra:
.gitattributes documenta as regras de filtrooutputs e execution_count..dvc no git.| Ativo | Estratégia |
|---|---|
| Notebooks | nbstripout + opcional Jupytext .py |
| Arquivos de 10MB-5GB | Git LFS com monitoramento de cota |
| Datasets | DVC, caminhos de partição na nuvem, catálogo |
| Segredos em notebooks | Nunca - use env + pydantic-settings |
# Notebook emparelhado com Jupytext
jupytext --set-formats ipynb,py:percent analysis.ipynb
git add analysis.ipynb analysis.pyGIT_LFS_SKIP_SMUDGE=1 em CI que não precisa dos dados..dvc com código; dvc pull na documentação de CI.| Alternativa | Usar Quando | Não Usar Quando |
|---|---|---|
| Parâmetros do Papermill | Execuções agendadas de notebooks | Código de biblioteca pertence a módulos .py |
| Scripts Marimo / percent | Fonte amigável ao Git primeiro | Equipe padronizada em Jupyter clássico |
| SageMaker / Colab apenas | Sem git local para notebooks | Organização exige revisão de PR no git |
| Quarto | Pipeline de publicação de relatórios | Apenas EDA interna rápida |
Automatize com pre-commit - a limpeza manual é esquecida em cada commit.
LFS para poucos binários grandes no repositório; DVC para pipelines de dataset versionados e experimentos reprodutíveis.
Use o diff de notebook do GitHub ou revise .py emparelhado do Jupytext para alterações legíveis.
papermill ou nbclient com fixtures de dados fixadas - não dados de produção ao vivo.
Evite - mova a lógica para módulos src/; mantenha notebooks em notebooks/ ou docs/.
Monitore armazenamento e largura de banda no GitHub - migre grandes volumes de dados para object store quando exceder.
Re-execute nbstripout em ambos os lados ou escolha o notebook de um autor e reaplique as células manualmente.
Não comite exports HTML/PDF - gere em artefatos de CI.
Armazene artefatos de execução em W&B/S3; git rastreia apenas o SHA do commit de treinamento e o YAML de configuração.
Escope nbstripout apenas para o caminho notebooks/ na regex files do hook.
Versões de Stack: Esta página foi escrita para Python 3.14.0 (stable 3.14, maintenance 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, e uv 0.6+.
Revisado por Chris St. John·Última atualização: 16 de jul. de 2026