Jupyter Lab 這十個高生產(chǎn)力插件，你知道嗎？

現(xiàn)在，即使是 Jupyter Lab 開發(fā)者團隊也對如此蓬勃發(fā)展的第三方擴展工具社區(qū)而感到興奮了。在這篇文章中，機器學(xué)習(xí)工程師、計算機科學(xué)博士 Christopher Tao 將為讀者介紹 10 種 Jupter Lab 擴展工具，它們對于典型的數(shù)據(jù)科學(xué)家 / 工程師來說可以大幅提高生產(chǎn)力。

10 大 Jupyter Lab 擴展

目前，大多數(shù)在線資源都會使用以下命令來安裝 Jupyter Lab 擴展：

jupyter labextension install @jupyterlab/...

當(dāng)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(nèi)容。Jupyter Lab 卻沒有提供這些功能。

如上圖所示，你可以轉(zhuǎn)到左側(cè)導(dǎo)航欄第 4 個選項卡，即擴展管理器（extension manager）。然后就可以搜索到你需要的擴展。

現(xiàn)在總結(jié)一下值得推薦的 10 個 Jupyter Lab 擴展。

JupyterLab 調(diào)試器

JupyterLab 調(diào)試器指南項目地址^[1]

由于 Jupyter 的交互性，它受到了很多人的喜歡。然而，調(diào)試功能是編碼所必須的。例如，我們可以逐步調(diào)試 for 循環(huán)（for-loop ）來查看內(nèi)部發(fā)生了什么。大多數(shù) IDE 工具都支持這種帶有「step over」和「step into」的調(diào)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。

JupyterLab-TOC

JupyterLab-TOC 項目地址^[2]

notebook 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(xiàn)。

有了這個擴展，基于用標(biāo)題標(biāo)記的單元格會自動生成目錄（確保使用標(biāo)記 ## 來指定你的標(biāo)題級別）。這也是使用 Jupyter Notebook 的好方法，讓你的工作更有系統(tǒng)性和組織性。

JupyterLab-DrawIO

JupyterLab-DrawIO 項目地址^[3]

Diagram.net（原名 Draw.IO）是繪制圖表的工具，它確實是 MS Visio 完美的開源替代品。借助于 jupyterlab-drawio，我們可以在 Jupyter Lab 上使用該工具。

JupyterLab Execution Time

JupyterLab Execution Time 項目地址^[4]

Jupyter Notebook/Lab 的一個驚人特性是它能提供許多有用的魔術(shù)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(shù)百或數(shù)千次，并得到平均值，以確保給出一個公平和準(zhǔn)確的結(jié)果。

但有時并不需要這樣精確。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(zhí)行單元的時間間隔，而且還顯示了最后執(zhí)行的時間。

JupyterLab Spreadsheet

JupyterLab Spreadsheet 項目地址^[5]

作為一名數(shù)據(jù)科學(xué)家或數(shù)據(jù)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。

JupyterLab System Monitor

jupyterlab-system-monitor 項目地址^[6]

Python 不是一種高效執(zhí)行的編程語言，這意味著與其他語言相比，它可能會消耗更多的 CPU 和內(nèi)存資源。Python 的最常見用例之一是數(shù)據(jù)科學(xué)。所以，我們可能想要監(jiān)控自身系統(tǒng)硬件資源，從而注意到 Python 代碼可能凍結(jié)了操作系統(tǒng)。

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(nèi)存使用情況，這樣我們就可以實時監(jiān)控了。如下動圖所示：

JupyterLab Kite

jupyterlab-kite 項目地址^[7]

雖然我很喜歡 Jupyter，但它不像其他經(jīng)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(wù) 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。

JupyterLab Variable Inspector

jupyterlab-variableInspector 項目地址^[8]

如果你是從 R studio 或 Matlab 轉(zhuǎn)向使用 Jupyter Lab 的數(shù)據(jù)科學(xué)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(rèn)不支持這一功能。這時，jupyterlab-variableInspector 擴展可以重新支持該功能。

JupyterLab Matplotlib

Matplotlib/ipympl 項目地址^[9]

如果你是數(shù)據(jù)科學(xué)家，則 Matplotlib 是必須學(xué)習(xí)（must-learn）的 Python 庫。該庫是 Python 中一個基礎(chǔ)但強大的數(shù)據(jù)可視化工具。但當(dāng)我們使用 Jupyter Lab 時，交互特征消失了。

jupyter-matplotlib 擴展可以使 Matplotlib 再次具備交互性。只需要輸入一個魔術(shù)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：

JupyterLab Plotly

Plotly 使用指南^[10]

雖然 Matplotlib 是最基礎(chǔ)和強大的數(shù)據(jù)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(shù)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。

原文鏈接：

https://towardsdatascience.com/10-jupyter-lab-extensions-to-boost-your-productivity-4b3800b7ca2a

YYDS！一行Python代碼即可實現(xiàn)數(shù)據(jù)可視化大屏
計算機專業(yè)會不會成為下一個土木？
為什么國內(nèi)做不出 JetBrains 那樣的產(chǎn)品？

參考資料