Rare sont les outils qui ont pris une telle ampleur qu'ipython en si peu de temps (ce que github a bien compris en proposant désormais la visualisation des notebooks automatiquement). Parti d'une simple console python améliorée, c'est devenu une galaxie d'outils tous plus utiles les uns que les autres. À telle point que maintenir le tout cohérent devenait extrêmement compliqué. Les fondateurs du projet ont donc décidé de splitter le tout en packages indépendants, ce qui est expliqué ici.
C'est ce que j'aime chez python, quand les développeurs se rendent compte qu'un truc devient inmaintenable et qu'il faut refactorer, ils le font rapidement au lieu de garder une grosse usine à gaz. C'est cette mentalité qu'on retrouve dans le passage de python 2 à 3, ou dans le merging des librairies semblables pour n'en garder qu'une avec le meilleur des fonctionnalités (quoi ? en java ils ont deux librairies officielles pour traiter le JSON...)
Pour ceux que ça intéressent (@chris), quelques exemples d'utilisation d'ipython notebook :
- pour expliquer des concepts : http://nbviewer.ipython.org/github/jkthompson/pyspark-pictures/blob/master/pyspark-pictures.ipynb
- par des conférenciers : https://github.com/jorisvandenbossche/2015-PyDataParis/blob/master/pandas_introduction.ipynb
- pour des tutos : https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python
- dans des articles de blog : http://nbviewer.ipython.org/url/www.davidketchesoan.info/notebooks/mmf_pandas.ipynb
- pour faire des analyses (avec pleins de graphiques en prime) : http://nbviewer.ipython.org/github/koldunovn/nk_public_notebooks/blob/master/Apache_log.ipynb
- par des professeurs : http://www.innovation-pedagogique.fr/article112.html
Enfin, pour finir en beauté (arrête de baver, voyons, ça tâche ton clavier), une très grande collection de ipython disponible ici : https://github.com/ipython/ipython/wiki/A-gallery-of-interesting-IPython-Notebooks