こんにちは！データサイエンスやPythonでの開発現場において、JupyterLabはなくてはならない相棒ですよね。ブラウザ一つでコードを書き、その場で実行結果（グラフや数値を伴う検証データ）を確認できる手軽さは、私たちの開発スピードを何倍にも引き上げてくれます。
しかし、JupyterLabを使いこなすにつれて、こんな「モヤモヤ」を感じたことはありませんか？
> 「Gitでコードを管理しようとしたら、`ipynb`ファイルの差分が巨大すぎて何が変更されたのか全く分からない…」
> 「チームメンバーとプルリクエストでレビューしたいのに、実行結果の画像や出力ログのせいで差分がごちゃごちゃになってる…」
そう、JupyterLabが生成する `.ipynb`（Jupyter Notebook）の正体は、実は「JSONテキスト」です。ここには、あなたが書いたコード（Cell）だけでなく、「実行結果の画像（Base64エンコードされたバイナリ）」や「セルの実行順序（Execution Count）」までがすべて記録されています。
結果として、ちょっとしたコードの修正であっても、何千行もの無意味な差分がGitに記録され、コードレビューが地獄のように困難になってしまうのです。
今回は、このJupyterLabの「検証記録」としての便利さはそのままに、Git管理を美しく、そしてチーム開発を劇的にスムーズにする「git-filter-repoを用いた差分管理の自動化テクニック」を、優しく丁寧に紐解いていきます。これをマスターすれば、あなたの毎日のコード管理とレビューは劇的に楽になりますよ！
—
なぜ `.ipynb` のGit管理はこれほど難しいのか？
まずは敵を知ることから始めましょう。`.ipynb` ファイルをテキストエディタで開いてみてください。中身は次のようなJSON構造になっています。
{
“cells”: [
{
“cell_type”: “code”,
“execution_count”: 3,
“metadata”: {},
“outputs”: [
{
“output_type”: “stream”,
“name”: “stdout”,
“text”: [
“Hello, Data Science!\n”
]
}
],
“source”: [
“print(‘Hello, Data Science!’)”
]
}
],
“metadata”: {
“language_info”: {
“name”: “python”
}
},
“nbformat”: 4,
“nbformat_minor”: 2
}
一見綺麗に見えますが、ここに「機械学習の巨大なグラフ」や「数千行のデータフレームの出力」が加わるとどうなるでしょう？数メガバイトのBase64文字列がJSONの中に埋め込まれ、Gitの履歴は肥大化し、どれだけ丁寧にコードを書いても「誰がどこを変えたのか」が完全に埋もれてしまいます。
これを解決するためのアプローチは大きく分けて2つあります。
1. これから作るファイルに対して: Gitの機能（Clean/Smudgeフィルター）を使い、コミット時に自動的に出力結果を剥ぎ取る。
2. すでに汚れてしまった過去の歴史に対して: `git-filter-repo` という強力なツールを使い、リポジトリの歴史から不要なバイナリを一掃する。
今回は、この両方をマスターして「完璧なJupyter環境」を手に入れましょう。
—
基礎セットアップ：環境の準備とJupyterLabの導入
まずは、Anaconda（またはMiniconda）を用いて、クリーンで堅牢なPython環境を構築します。ここをしっかり行うことで、依存関係の衝突を防ぐことができます。
ターミナル（またはAnaconda Prompt）を開き、以下のコマンドを順番に実行してください。
1. ‘ds-env’という名前でPython 3.10の仮想環境を作成します
conda create -n ds-env python=3.10 -y
2. 作成した仮想環境を有効化します
conda activate ds-env
3. データ分析とJupyterLabの動作に不可欠なパッケージをインストールします
conda install -c conda-forge jupyterlab pandas matplotlib seaborn git -y
ここでインストールした `git` は、これから解説する高度な差分管理を行うための必須ツールです。
—
精度高い動作確認：クリーンなHello Worldを検証する
環境が整ったら、JupyterLabを起動して動作確認を行いましょう。
JupyterLabをバックグラウンド、または現在のターミナルで起動
jupyter lab
ブラウザが自動的に立ち上がり（起動しない場合はターミナルに表示されるURLをコピーしてブラウザで開いてください）、JupyterLabのダッシュボードが表示されます。
新しいNotebookを作成し、以下のコードをセルに入力して実行（Shift + Enter）してください。
データの視覚化が正しく機能するかテストするための簡単なスクリプト
import matplotlib.pyplot as plt
import numpy as np
0から2πまでの範囲を100分割したデータを生成
x = np.linspace(0, 2 np.pi, 100)
y = np.sin(x)
グラフを描画
plt.figure(figsize=(8, 4))
plt.plot(x, y, label=’Sine Wave’, color=’teal’, linewidth=2)
plt.title(‘HelloWorld: JupyterLab & Git Integration Test’)
plt.legend()
plt.grid(True)
plt.show()
美しい正弦波のグラフが表示されたはずです。これがあなたの「検証記録」です。
このファイルを `hello_analysis.ipynb` という名前で保存してください。
—
実践的テクニック①：gitattributesで「出力結果」を自動的に除外する
ここからが本題です。これから作成・編集するノートブックについて、「Gitにコミットされる瞬間だけ、自動的に出力結果（outputs）を消し去る」という魔法のような設定を行います。
プロジェクトのルートディレクトリ（Git管理したいフォルダ）に移動し、`.gitattributes` というファイルを作成します。
プロジェクトのルートディレクトリにて
touch .gitattributes
作成した `.gitattributes` に、以下の設定を記述してください。
.gitattributes
.ipynbファイルに対して、コミット時に「jupyter_clean」というカスタムフィルターを適用する
.ipynb filter=jupyter_clean
次に、ご自身のホームディレクトリまたはプロジェクトの `.git/config`（またはグローバルの `~/.gitconfig`）に、その「フィルターの正体」を教え込みます。ターミナルで以下のコマンドを実行してください。
コミットする直前（clean時）に、nbstripoutというツールを使って出力結果を自動削除する設定
git config filter.jupyter_clean.clean “nbstripout”
チェックアウト時（smudge時）はそのまま通す設定
git config filter.jupyter_clean.smudge “cat”
※ここで登場した `nbstripout` は、Jupyterノートブックの出力や実行カウントを安全に剥ぎ取ってくれる非常に優れたPythonパッケージです。インストールしておきましょう。
pip install nbstripout
この設定を行うと、あなたが手元のJupyterLabでどれだけ派手なグラフを出力させようと、`git add` および `git commit` を実行した瞬間、Gitの内部データベースには「コードだけ」が綺麗に保存されるようになります。 手元のファイルから出力が消えるわけではないので、あなたの検証作業の邪魔には一切なりません！
—
実践的テクニック②：git-filter-repoで過去の歴史からバイナリを一掃する
「すでに過去のコミットに巨大な `.ipynb` の出力結果や画像が混ざってしまっている…」という絶望的な状況、ありませんか？通常の `git rm` では、過去の履歴（コミットログ）に残っているため、リポジトリの容量は減りません。
ここで登場するのが、Git公式も推奨する次世代の歴史改変ツール `git-filter-repo` です。
> 注意: この操作はGitの歴史を書き換えるため、チームで共有しているリモートリポジトリに対して実行する際は、事前にチームメンバー全員との合意と、リポジトリのバックアップを必ず行ってください。
まずは `git-filter-repo` をインストールします（GitPythonや依存関係の都合上、pipでインストールするのが確実です）。
pip install git-filter-repo
そして、過去のリポジトリ全体に含まれる `.ipynb` ファイルから、すべての出力（outputs）と実行カウントを根こそぎパージ（削除）するには、以下のPythonスクリプトを組み合わせたフィルターコマンドを実行します。
過去のすべてのコミットに含まれるipynbファイルを走査し、出力を完全に除去する
git filter-repo –to-standard-git –replace-text <(echo "...") # は複雑になるため、より手堅い専用スクリプトアプローチを取ります
実務で最も安全かつ確実なのは、`nbstripout` が提供している専用の歴史クリーンアップコマンドを使う方法です。
リポジトリのすべての過去のコミット履歴に対して nbstripout を適用する
nbstripout --history
このコマンドを実行すると、内部で `git filter-branch` または `git-filter-repo` が走り、過去のすべてのコミットデータからノートブックの出力部分が綺麗に削ぎ落とされます。
実行後、リポジトリのファイルサイズ（`.git` フォルダの容量）を確認してみてください。驚くほど軽くなっているはずです！
※歴史が書き換わるため、リモートへ反映する際は強制プッシュが必要になります。
git push origin main --force
---
まとめ：今日から始めるスマートなデータサイエンス開発
お疲れ様でした！ここまでで、以下の環境とスキルがあなたのものになりました。
1. Anacondaによる堅牢なPython開発環境の構築
2. JupyterLabでのスムーズな「検証記録」の作成
3. `.gitattributes` と `nbstripout` を使った、コミット時の自動クレンジング体制
4. `git-filter-repo`（および関連ツール）を用いた、過去の歴史の浄化テクニック
データサイエンティストやAIエンジニアの本分は「優れた仮説を立て、コードで検証し、インサイトを得ること」です。Gitの差分地獄に悩まされる時間は、もう一秒たりとも必要ありません。
この仕組みを導入すれば、プルリクエストのコードレビューは見違えるほどスピーディになり、チーム全体の開発効率は跳ね上がります。ぜひ、あなたの明日からの開発環境に取り入れて、快適なJupyterライフを満喫してください！