转自:数据studio
如果你是一个用 Python 的数据科学家,那么用 Jupyter Notebook 就是大概率事件了。作为 Jupyter Notebook 的「下一代」web 应用,Jupyter Lab 提供了相比以往更多的便捷功能,其中之一就是扩展。
下一代数据科学开发环境 Jupyter Lab 应该怎么用?让我们从扩展工具开始。
现在,即使是 Jupyter Lab 开发者团队也对如此蓬勃发展的第三方扩展工具社区而感到兴奋了。在这篇文章中,机器学习工程师、计算机科学博士 Christopher Tao 将为读者介绍 10 种 Jupter Lab 扩展工具,它们对于典型的数据科学家 / 工程师来说可以大幅提高生产力。
![4937c099c042b0d682a798b41b5ba857.jpeg](https://i-blog.csdnimg.cn/blog_migrate/42842cef632c511651c952a4e5305350.jpeg)
10 大 Jupyter Lab 扩展
目前,大多数在线资源都会使用以下命令来安装 Jupyter Lab 扩展:
jupyter labextension install @jupyterlab/...
当然,很多人都喜欢使用这种命令。如果你是 VS-Code、Sublime 或 Atom 的用户,你也许会希望在「管理器」中直接搜索要安装的内容。Jupyter Lab 却没有提供这些功能。
![9032befcbb94df78fb1ccce7d0e55862.png](https://i-blog.csdnimg.cn/blog_migrate/271d665f562b05a41bab5f8507ab59d4.png)
如上图所示,你可以转到左侧导航栏第 4 个选项卡,即扩展管理器(extension manager)。然后就可以搜索到你需要的扩展。
![4887f208db8ff1e55aa0496b0582b4ad.png](https://i-blog.csdnimg.cn/blog_migrate/efd4993cf9c89d396450d4712f954483.png)
现在总结一下值得推荐的 10 个 Jupyter Lab 扩展。
JupyterLab 调试器
![6311325f22e4afb4d3bda1c253d00359.png](https://i-blog.csdnimg.cn/blog_migrate/1f6136d606476e8374dc3fbc62dbce62.png)
JupyterLab 调试器指南项目地址[1]
由于 Jupyter 的交互性,它受到了很多人的喜欢。然而,调试功能是编码所必须的。例如,我们可以逐步调试 for 循环(for-loop )来查看内部发生了什么。大多数 IDE 工具都支持这种带有「step over」和「step into」的调试特性,但遗憾的是,Jupyter 中没有这种特性。
「jupyterlab/debugger」就是这样一个扩展,让我们可以补足 Jupyter Lab 中缺少的这个功能。
![89f910b2cd6cd2716f1f7f9b51593c85.png](https://i-blog.csdnimg.cn/blog_migrate/fd9fcb743c9bd29db9e0599a1a6d7a05.png)
JupyterLab-TOC
![16de97a23cd75a28a6eee1a7c36972c2.png](https://i-blog.csdnimg.cn/blog_migrate/4cb8683629484be3f303a1666bbf0a0a.png)
JupyterLab-TOC 项目地址[2]
notebook 太长?想让你的 notebook 看起来更漂亮?或者希望 notebook 有一个目录?「jupyterlab/toc」帮你实现。
![2f43787082f4dacc7a9c09cd38c94d20.gif](https://i-blog.csdnimg.cn/blog_migrate/e00b07b653100c7610a92fc095533fe8.gif)
有了这个扩展,基于用标题标记的单元格会自动生成目录(确保使用标记 ## 来指定你的标题级别)。这也是使用 Jupyter Notebook 的好方法,让你的工作更有系统性和组织性。
JupyterLab-DrawIO
![85c71f6734badc8029afb559e14e9da9.png](https://i-blog.csdnimg.cn/blog_migrate/9c0d8abddcdd02023f92ba2c645dcfe6.png)
JupyterLab-DrawIO 项目地址[3]
Diagram.net(原名 Draw.IO)是绘制图表的工具,它确实是 MS Visio 完美的开源替代品。借助于 jupyterlab-drawio,我们可以在 Jupyter Lab 上使用该工具。
![c369c6ea5e2af546b233c13011c0ba9a.gif](https://i-blog.csdnimg.cn/blog_migrate/a5ca6b3a5351592c794c1b03540df5c5.gif)
JupyterLab Execution Time
![7f836829623e49197c3167c927aec742.png](https://i-blog.csdnimg.cn/blog_migrate/765cdcb112861ee603ef48a10294c2ac.png)
JupyterLab Execution Time 项目地址[4]
Jupyter Notebook/Lab 的一个惊人特性是它能提供许多有用的魔术命令(magic command)。例如我们可以使用「%timeit」测试代码运行时间。它将运行代码片段数百或数千次,并得到平均值,以确保给出一个公平和准确的结果。
但有时并不需要这样精确。我们只不过想知道每个单元运行的时间,在这种情况下,为每个单元使用「%timeit」变得不合适了。
在这种情况下,我们可以使用「jupyterlab-execute-time」。
![5f08e63e093718a93ed6e1927819b7e0.png](https://i-blog.csdnimg.cn/blog_migrate/a6daee4144ab0df203600d65123228f1.png)
如上图所示,「jupyterlab-execute-time」不仅显示了执行单元的时间间隔,而且还显示了最后执行的时间。
JupyterLab Spreadsheet
![91bbb288a5350ed32ccb4434c19f4179.png](https://i-blog.csdnimg.cn/blog_migrate/99b9317cf9c420b1c852530331044b00.png)
JupyterLab Spreadsheet 项目地址[5]
作为一名数据科学家或数据工程师,你不得不与电子表格打交道。但是,Jupyter 本身不支持读取 Excel 文件,这迫使我们需要打开多个工具,在 Jupyter 编码以及 Excel 之间不停地切换。
「jupyterlab-spreadsheet」可以很好地解决这类问题。它在 Jupyter Lab 中嵌入了 xls/xlsx 电子表格查看功能,因此我们可以在同一个地方获得所需的一切。
![14c5c311d8682fbc56585be6673935f7.png](https://i-blog.csdnimg.cn/blog_migrate/feeca4f7b0865744128e40a144487d9b.png)
JupyterLab System Monitor
![b835cb8110348e4777b9dce092eac3bf.png](https://i-blog.csdnimg.cn/blog_migrate/8efe0b459255afc6f0b97ab7711a87c6.png)
jupyterlab-system-monitor 项目地址[6]
Python 不是一种高效执行的编程语言,这意味着与其他语言相比,它可能会消耗更多的 CPU 和内存资源。Python 的最常见用例之一是数据科学。所以,我们可能想要监控自身系统硬件资源,从而注意到 Python 代码可能冻结了操作系统。
jupyterlab-topbar-extension 你想要拥有的扩展,它可以在 Jupyter Lab UI 的顶部栏显示 CPU 和内存使用情况,这样我们就可以实时监控了。如下动图所示:
![bfb326e37a3a914ac6955034e7bd43e6.gif](https://i-blog.csdnimg.cn/blog_migrate/af81725d5b3127aa6cedbc4f7ef81502.gif)
JupyterLab Kite
![937f9f4800509c56c7746fbd9b9edad1.png](https://i-blog.csdnimg.cn/blog_migrate/62acbaf5c2c3f651fb4ccda7d0762fac.png)
jupyterlab-kite 项目地址[7]
虽然我很喜欢 Jupyter,但它不像其他经典 IDE 工具一样提供代码自动补全功能。Jupyter 的代码自动补全非常受限且速度很慢。
你可能听说过免费的 AI 赋能代码补全服务 Kite,它在 Sublime、VS Code 和 PyCharm 等几乎所有流行的 IDE 工具中都可以使用。通过 jupyterlab-kite (https://github.com/kiteco/jupyterlab-kite) 扩展,你也可以在 Jupyter Lab 中使用这一功能。
![cb9fa9322a9d0ca6edd0dedaa8434b9e.png](https://i-blog.csdnimg.cn/blog_migrate/0e642243cc379da6fb6d8b2e276c17fa.png)
JupyterLab Variable Inspector
![7b0cd9379607e9562b388004705e23f7.png](https://i-blog.csdnimg.cn/blog_migrate/4253e40b40e5bb49f61a57ff178d302c.png)
jupyterlab-variableInspector 项目地址[8]
如果你是从 R studio 或 Matlab 转向使用 Jupyter Lab 的数据科学家,则可能对这些工具提供的变量检测器非常熟悉。但遗憾的是,Jupyter Lab 默认不支持这一功能。这时,jupyterlab-variableInspector 扩展可以重新支持该功能。
![dff943f229f741cffdf81e52c516b4b5.gif](https://i-blog.csdnimg.cn/blog_migrate/16c7eb71597632afbc84bcf5db4c661f.gif)
JupyterLab Matplotlib
![7da7b28356dbbb792ea709655122ec98.png](https://i-blog.csdnimg.cn/blog_migrate/7b871a2896b146ad25b09222b9e77fb1.png)
Matplotlib/ipympl 项目地址[9]
如果你是数据科学家,则 Matplotlib 是必须学习(must-learn)的 Python 库。该库是 Python 中一个基础但强大的数据可视化工具。但当我们使用 Jupyter Lab 时,交互特征消失了。
jupyter-matplotlib 扩展可以使 Matplotlib 再次具备交互性。只需要输入一个魔术命令 %matplotlib widget 来启动它,则你的精美 3D 图表就变成交互式的。如下动图所示:
![eddd5ea7cd6354d162c91914ac635ded.gif](https://i-blog.csdnimg.cn/blog_migrate/2f667cfb47e905dea1f88451bbce9008.gif)
JupyterLab Plotly
![d2c36f52af1e96fac747b751448d499b.png](https://i-blog.csdnimg.cn/blog_migrate/5d96f6c49daa046dc9e89c9864665558.png)
Plotly 使用指南[10]
虽然 Matplotlib 是最基础和强大的数据可视化库,但在这方面我最喜欢的是 Plotly 库。该库封装了很多常见图表,我们可以通过数行代码生成令人惊叹的图表。
为使 Jupyter Lab 无缝支持和显示交互的 Plotly 图表,用户需要安装 jupyterlab-plotly。
原文链接:
https://towardsdatascience.com/10-jupyter-lab-extensions-to-boost-your-productivity-4b3800b7ca2a
参考资料
[1]
JupyterLab调试器指南项目地址: https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e61716559
[2]JupyterLab-TOC 项目地址: https://github.com/jupyterlab/jupyterlab-toc
[3]JupyterLab-DrawIO 项目地址: https://github.com/QuantStack/jupyterlab-drawio
[4]JupyterLab Execution Time 项目地址: https://github.com/deshaw/jupyterlab-execute-time
[5]JupyterLab Spreadsheet 项目地址: https://github.com/quigleyj97/jupyterlab-spreadsheet
[6]jupyterlab-system-monitor 项目地址: https://github.com/jtpio/jupyterlab-system-monitor
[7]jupyterlab-kite 项目地址: https://github.com/kiteco/jupyterlab-kite
[8]jupyterlab-variableInspector 项目地址: https://github.com/lckr/jupyterlab-variableInspector
[9]Matplotlib/ipympl 项目地址: https://github.com/matplotlib/ipympl
[10]Plotly 使用指南: https://plotly.com/python/getting-started/#jupyterlab-support-python-35
往期精彩回顾
适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419,加入微信群请扫码