VS Code Remote WSL para flujos de trabajo Data Science

El desarrollo de proyectos de ciencia de datos desde Windows puede beneficiarse enormemente del uso de WSL2 con VS Code Remote. Esta combinación permite aprovechar herramientas y entornos Linux directamente desde el editor, manteniendo la flexibilidad de Windows en tareas cotidianas como análisis, visualización o modelado de datos.

🎯 Objetivo

Configurar un entorno Linux para ciencia de datos dentro de WSL2
Integrarlo con Visual Studio Code mediante la extensión Remote - WSL
Usar Jupyter Notebooks, entornos virtuales y bibliotecas científicas desde VS Code
Trabajar con flujos reproducibles usando pip, conda y notebooks

🧰 Requisitos previos

Windows 10/11 con WSL2 activado
Distro Linux instalada (Ubuntu 22.04 recomendado)
VS Code con la extensión Remote - WSL
Python 3, pip y/o conda

⚙️ Paso 1: Instalar dependencias en la distro WSL2

Desde tu terminal WSL:

sudo apt update && sudo apt upgrade -y
sudo apt install -y python3-pip python3-venv git

Instalar bibliotecas de ciencia de datos:

pip install numpy pandas matplotlib seaborn scikit-learn jupyter

Opcional: usar miniconda si se prefiere conda como gestor de entornos.

💻 Paso 2: Abrir WSL desde VS Code

Abrí VS Code
Presioná Ctrl+Shift+P y escribí: Remote-WSL: New Window
Seleccioná tu distribución (ej: Ubuntu)

Ahora estás en una sesión remota con acceso completo a la terminal, Python, Jupyter y entorno Linux desde el editor.

📓 Paso 3: Usar Jupyter Notebooks dentro de VS Code

Instalar extensión oficial de Jupyter en VS Code.

Crear un nuevo notebook (.ipynb) y seleccioná el kernel Python correspondiente desde el entorno WSL.

Verificá que ejecutás en WSL:

import platform
print(platform.system(), platform.release())

🧪 Ejemplo práctico: Análisis exploratorio

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = sns.load_dataset("penguins")
sns.pairplot(df, hue="species")
plt.show()

Este script corre directamente en el entorno WSL, usando la GPU (si está disponible), y sin overhead de traducción de entornos.

🛠️ Buenas prácticas

Guardar los proyectos en el sistema de archivos Linux (~/proyectos, no en /mnt/c/) para mayor rendimiento
Usar entornos virtuales (python3 -m venv .venv) para evitar conflictos
Versionar notebooks y scripts con Git (git init)
Añadir requirements.txt para reproducibilidad:

pip freeze > requirements.txt

✅ Conclusión

VS Code + Remote WSL ofrece una experiencia fluida para la ciencia de datos en Windows, combinando la potencia de Linux con la comodidad de un entorno gráfico moderno. Con Jupyter, Python y bibliotecas científicas listas para usar, es posible construir, visualizar y entrenar modelos de manera productiva, eficiente y reproducible.

WinDev Windows 11 WSL