大幅提高生產力:你需要了解的十大Jupyter Lab插件

2021-02-19 機器之心

作者：Christopher Tao

機器之心編譯

參與：杜偉、陳萍

下一代數據科學開發環境 Jupyter Lab 應該怎麼用？讓我們從擴展工具開始。

如果你是一個用 Python 的數據科學家，那麼用 Jupyter Notebook 就是大概率事件了。作為 Jupyter Notebook 的「下一代」web 應用，Jupyter Lab 提供了相比以往更多的便捷功能，其中之一就是擴展。現在，即使是 Jupyter Lab 開發者團隊也對如此蓬勃發展的第三方擴展工具社區而感到興奮了。在這篇文章中，機器學習工程師、計算機科學博士 Christopher Tao 將為讀者介紹 10 種 Jupter Lab 擴展工具，它們對於典型的數據科學家 / 工程師來說可以大幅提高生產力。

目前，大多數在線資源都會使用以下命令來安裝 Jupyter Lab 擴展：
jupyter labextension install @jupyterlab/...
當然，很多人都喜歡使用這種命令。如果你是 VS-Code、Sublime 或 Atom 的用戶，你也許會希望在「管理器」中直接搜索要安裝的內容。Jupyter Lab 卻沒有提供這些功能。
如上圖所示，你可以轉到左側導航欄第 4 個選項卡，即擴展管理器（extension manager）。然後就可以搜索到你需要的擴展。
現在總結一下值得推薦的 10 個 Jupyter Lab 擴展。
調試器指南：https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e61716559由於 Jupyter 的交互性，它受到了很多人的喜歡。然而，調試功能是編碼所必須的。例如，我們可以逐步調試 for 循環（for-loop ）來查看內部發生了什麼。大多數 IDE 工具都支持這種帶有「step over」和「step into」的調試特性，但遺憾的是，Jupyter 中沒有這種特性。「jupyterlab/debugger」就是這樣一個擴展，讓我們可以補足 Jupyter Lab 中缺少的這個功能。
圖源：https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e61716559
JupyterLab-TOC 項目地址：https://github.com/jupyterlab/jupyterlab-tocnotebook 太長？想讓你的 notebook 看起來更漂亮？或者希望 notebook 有一個目錄？「jupyterlab/toc」幫你實現。
圖源: https://github.com/jupyterlab/jupyterlab-toc/raw/master/toc.gif有了這個擴展，基於用標題標記的單元格會自動生成目錄（確保使用標記 ## 來指定你的標題級別）。這也是使用 Jupyter Notebook 的好方法，讓你的工作更有系統性和組織性。
JupyterLab-DrawIO 項目地址：https://github.com/QuantStack/jupyterlab-drawioDiagram.net（原名 Draw.IO）是繪製圖表的工具，它確實是 MS Visio 完美的開源替代品。藉助於 jupyterlab-drawio，我們可以在 Jupyter Lab 上使用該工具。
圖源：https://github.com/QuantStack/jupyterlab-drawio/raw/master/drawio.gif
JupyterLab Execution Time
JupyterLab Execution Time 項目地址：https://github.com/deshaw/jupyterlab-execute-timeJupyter Notebook/Lab 的一個驚人特性是它能提供許多有用的魔術命令（magic command）。例如我們可以使用「%timeit」測試代碼運行時間。它將運行代碼片段數百或數千次，並得到平均值，以確保給出一個公平和準確的結果。但有時並不需要這樣精確。我們只不過想知道每個單元運行的時間，在這種情況下，為每個單元使用「%timeit」變得不合適了。在這種情況下，我們可以使用「jupyterlab-execute-time」。
如上圖所示，「jupyterlab-execute-time」不僅顯示了執行單元的時間間隔，而且還顯示了最後執行的時間。
JupyterLab Spreadsheet 項目地址：https://github.com/quigleyj97/jupyterlab-spreadsheet作為一名數據科學家或數據工程師，你不得不與電子表格打交道。但是，Jupyter 本身不支持讀取 Excel 文件，這迫使我們需要打開多個工具，在 Jupyter 編碼以及 Excel 之間不停地切換。「jupyterlab-spreadsheet」可以很好地解決這類問題。它在 Jupyter Lab 中嵌入了 xls/xlsx 電子表格查看功能，因此我們可以在同一個地方獲得所需的一切。
圖源: https://github.com/quigleyj97/jupyterlab-spreadsheet/raw/main/screenshot.pngJupyterLab System Monitor
jupyterlab-system-monitor 項目地址：https://github.com/jtpio/jupyterlab-system-monitorPython 不是一種高效執行的程式語言，這意味著與其他語言相比，它可能會消耗更多的 CPU 和內存資源。Python 的最常見用例之一是數據科學。所以，我們可能想要監控自身系統硬體資源，從而注意到 Python 代碼可能凍結了作業系統。jupyterlab-topbar-extension 你想要擁有的擴展，它可以在 Jupyter Lab UI 的頂部欄顯示 CPU 和內存使用情況，這樣我們就可以實時監控了。如下動圖所示：
圖源：https://github.com/jtpio/jupyterlab-system-monitor/raw/main/doc/screencast.gif
jupyterlab-kite 項目地址：https://github.com/kiteco/jupyterlab-kite雖然我很喜歡 Jupyter，但它不像其他經典 IDE 工具一樣提供代碼自動補全功能。Jupyter 的代碼自動補全非常受限且速度很慢。你可能聽說過免費的 AI 賦能代碼補全服務 Kite，它在 Sublime、VS Code 和 PyCharm 等幾乎所有流行的 IDE 工具中都可以使用。通過 jupyterlab-kite (https://github.com/kiteco/jupyterlab-kite) 擴展，你也可以在 Jupyter Lab 中使用這一功能。
圖源：https://github.com/kiteco/jupyterlab-kiteJupyterLab Variable Inspector
jupyterlab-variableInspector 項目地址：https://github.com/lckr/jupyterlab-variableInspector如果你是從 R studio 或 Matlab 轉向使用 Jupyter Lab 的數據科學家，則可能對這些工具提供的變量檢測器非常熟悉。但遺憾的是，Jupyter Lab 默認不支持這一功能。這時，jupyterlab-variableInspector 擴展可以重新支持該功能。
圖源：https://github.com/lckr/jupyterlab-variableInspector/raw/master/early_demo.gif
Matplotlib/ipympl 項目地址：https://github.com/matplotlib/ipympl如果你是數據科學家，則 Matplotlib 是必須學習（must-learn）的 Python 庫。該庫是 Python 中一個基礎但強大的數據可視化工具。但當我們使用 Jupyter Lab 時，交互特徵消失了。jupyter-matplotlib 擴展可以使 Matplotlib 再次具備交互性。只需要輸入一個魔術命令 %matplotlib widget 來啟動它，則你的精美 3D 圖表就變成交互式的。如下動圖所示：
圖源：https://github.com/matplotlib/ipympl/raw/master/matplotlib.gif
Plotly 使用指南：https://plotly.com/python/getting-started/#jupyterlab-support-python-35雖然 Matplotlib 是最基礎和強大的數據可視化庫，但在這方面我最喜歡的是 Plotly 庫。該庫封裝了很多常見圖表，我們可以通過數行代碼生成令人驚嘆的圖表。為使 Jupyter Lab 無縫支持和顯示交互的 Plotly 圖表，用戶需要安裝 jupyterlab-plotly。原文連結：https://towardsdatascience.com/10-jupyter-lab-extensions-to-boost-your-productivity-4b3800b7ca2aAAAI 2021線上分享 | 利用多輪閱讀理解的框架解決實體連結問題在華為雲被 AAAI 2021 會議接收的論文中，研究者提出利用多輪閱讀理解的框架來解決短文本的實體連結問題，並在多個中英文數據集上均取得了當前 SOTA 的實體連結效果。
1月14日20:00，華為雲語音語義創新 Lab 算法工程師Xavier為大家詳細解讀此前沿研究。添加機器之心小助手（syncedai5），備註「AAAI」，進群一起看直播。
© THE END 
轉載請聯繫本公眾號獲得授權
投稿或尋求報導：content@jiqizhixin.com

相關焦點

  • 好用到飛起的12個jupyter lab插件
    1 簡介　　jupyter lab作為jupyter notebook的升級改造版，除了更加人性化的交互界面以及更多的用戶自主定製功能之外，最吸引人的就是其豐富多樣的拓展插件，使得每個使用jupyter lab的人都可以按照自己所需挑選安裝插件
  • 神器Jupyter,終於來了!
    如果讀者想要安裝這個新工具，那麼首先你需要為 JupyterLab 裝前端插件：　　jupyter labextension install @jupyterlab/debugger　　至於後端 Kernel，Jupyter 團隊表示目前 kernel 需要實現 Jupyter Debug Protocol，因此暫時只能用 xeus-python ：
  • 我知道你會用Jupyter Notebook,但這些插件你都會了嗎?
    通過安裝一些插件，能讓你的工作效率提高不少哦！Jupyter Notebook 是一個很棒的教學、探索和編程環境，但其功能不足也是出了名的。幸好，有許多方法可以改進這個不錯的工具，如 Jupyter Notebook 擴展工具。
  • Jupyterlab:超強的下一代Jupyter Notebook
    這些擴展是非常強大的工具，可以提高工作效率。JupyterLab擴展，其實是 npm包（Javascript開發中的標準包格式）。在GitHub上有許多社區開發的擴展。您可以搜索GitHub主題 jupyterlab-extension來查找擴展名。要安裝JupyterLab擴展，您需要安裝 Node.js，可以從他們的 網站或像下面這樣安裝。
  • 用Jupyter Notebooks隱藏優勢打開新世界大門
    現在，當我們使用任何Python解釋器時，我們需要定期在shell和IDLE之間切換，以便在我們需要時能夠使用命令行工具。然而，Jupyter Notebook通過添加一個額外的命令，使我們能夠輕鬆地從Notebook中執行shell命令！在執行命令之前，只要通過在命令行前面加上字符，命令行上工作的任何命令都可以在IPython中使用。In [1]: !
  • Jupyter 進階教程
    想了解可用的魔法命令，可以輸入命令 %lsmagic ，輸出結果如下所示，可以看到確實分為 line 和 cell 兩類，並且分別給出命令的數量。/github.com/ipython-contrib/jupyter_contrib_nbextensions安裝這些插件可以通過下面的命令pip install ipython-sqlpip install jupyter_contrib_nbextensionsjupyter contrib nbextension install --user
  • 機器學習新手必看:Jupyter Notebook入門指南
    當你讀完這篇文章時，你將會了解，為什麼你應該利用它來搭建你的機器學習項目，以及為什麼 Jupyter Notebook 比這個領域的其他標準工具更好！什麼是 Jupyter Notebook？小插件的基本類型是典型的文本輸入框和按鈕。
  • 增強Jupyter Notebook的功能,這裡有四個妙招 - 機器之心Pro
    選自toward data science作者：George Seif機器之心編譯參與：魔王你對 Jupyter Notebook 了解多少？本文介紹了一些自定義功能，幫助你使用 Jupyter notebook 更高效地寫代碼。
  • 上手jupyter notebook神器
    notebook 或 jupyter lab 命令啟動。但這個時候你要注意，每個 Code 單元格是有執行順序的，這個順序就是每個單元格前面[]的數字。如果你想全部重新執行的話，Kernal 菜單中的一些功能會幫到你。Restart Kernel：重新啟動內核，清除所有變量。Restart Kernel and Clear All Outputs：重新啟動內核，清除所有變量與輸出。
  • 大神教小白搭建Jupyter Notebook環境
    2 、環境搭建你可以直接是通過 pip 命令安裝。pip install jupyter你也可以下載anaconda3、 conda常見命令conda不僅可以方便安裝，更新，卸載工具包，而且安裝時能自動安裝相應的依賴包。
  • Jupyter Notebook——也許你總在使用她,但也許你從未嘗試過去了解她?
    前言：你應該去了解並掌握正確滴打開和使用她的姿勢！一、Jupyter Notebook的安裝在安裝jupyter notebook之前，你需要先在電腦上安裝python，python2.7 或python3.3乃至更高版本都可以。
  • Jupyter Notebook 的這些tips你了解嗎?
    如果大家對Jupyter Notebook的使用還不是很熟悉，還可以參考我們在b站的講解視頻↓↓↓下面我們進入正題~1.打開指定目錄通常我們在使用Jupyter Notebook時，如果想打開在其他目錄下的文件就需要一一upload。
  • 科大訊飛榮獲「中國生產力發展十大卓越企業」稱號
    12月12日，中國生產力學會在北京舉行成立40周年座談會暨中國企業創新論壇2020年年會。會上，頒布了改革開放以來，中國生產力發展的十大標誌性成就、十大新興產業鏈集群、十大卓越企業、重大理論成果以及優秀企業和人物。
  • 一款容易上手jupyter notebook神器
    notebook 或 jupyter lab 命令啟動。但這個時候你要注意，每個 Code 單元格是有執行順序的，這個順序就是每個單元格前面[]的數字。如果你想全部重新執行的話，Kernal 菜單中的一些功能會幫到你。Restart Kernel：重新啟動內核，清除所有變量。Restart Kernel and Clear All Outputs：重新啟動內核，清除所有變量與輸出。
  • 入門 | 始於Jupyter Notebooks:一份全面的初學者實用指南
    它們能幫助數據科學家簡化工作流程，實現更高的生產力和更便捷的協作。由於這些以及你將在下面看到的原因，Jupyter Notebooks 成了數據科學家最常用的工具之一。在本文中，我們將介紹 Jupyter Notebooks 並深入了解它的功能和優勢。讀完本文之後，你就知道你應該為你的機器學習項目使用 Jupyter Notebooks 的原因了。
  • 入門|始於Jupyter Notebooks:一份全面的初學者實用指南
    它們能幫助數據科學家簡化工作流程，實現更高的生產力和更便捷的協作。由於這些以及你將在下面看到的原因，Jupyter Notebooks 成了數據科學家最常用的工具之一。在本文中，我們將介紹 Jupyter Notebooks 並深入了解它的功能和優勢。
  • 15個應該掌握的Jupyter Notebook 使用技巧
    並且有許多有趣的插件和神奇的命令，大大增強了python的編程體驗。1. 計算單元的執行時間我們可以在一個jupyter notebook單元的開頭使用%%time命令來計算執行該單元的時間。2. 進度條可以使用python外部庫創建進度條，它可以實時更新代碼運行的進度。它讓用戶知道正在運行的代碼腳本的狀態。
  • 9大Jupyter Notebook擴展工具,工作效率大大提升
    你需要安裝一些擴展插件，才能使Jupyter Notebook的性能更佳。Jupyter Notebook擴展是什麼？Jupyter Notebook擴展是一系列JavaScript代碼，該代碼在後臺中運行，並擴展Notebook的功能。一個擴展負責一個特定的功能，可根據需要安裝或刪除。