8 款超级实用的 JupyterLab 插件,提升你的开发效率!

原创
2020/11/13 08:20
阅读数 492

JupyterLab  是数据科学界使用最广泛的 IDEs 之一。在探索性分析方面,它是许多数据科学家的首选工具。JupyterLab 巧妙地将许多功能捆绑在一起,实现高效协作。它具有极强的扩展性,丰富的插件显著提升编码体验,大大提高工作效率。

在安装 「JupyterLab」 插件之前,你需要安装 「Node.js」(如已安装可以忽略),方法如下:

conda install -c conda-forge nodejs
or
# For Mac OSX users
brew install node

下面我将给大家分享 8 款 JupyterLab 插件,相信无论你是刚入门的新手还是进阶的老手都会有所收获,详情介绍如下:

1、Cookiecutter

我们知道 Jupyter 的弱点之一,它不提供组织项目的工具。Cookiecutter 可以完美解决这个问题。它是一个python包,只需几行代码就可以创建一个标准的文件夹结构。

安装
安装方法
$ pip install cookiecutter
cd path_to_my_project_folder
# pick your own flavour of cookie
$ cookiecutter https://github.com/drivendata/cookiecutter-data-science

瞧!现在,你应该可以设置一个标准文件夹结构,例如:

├── README.md          <- Front page of the project. Let everyone 
│                         know the major points.

├── models             <- Trained and serialized models, model
│                         predictions, or model summaries.

├── notebooks          <- Jupyter notebooks. Use set naming
│                         E.g. `1.2-rd-data-exploration`.

├── reports            <- HTML, PDF, and LaTeX.
│   └── figures        <- Generated figures.

├── requirements.txt   <- File for reproducing the environment
│                         `$ pip freeze > requirements.txt`
├── data
│   ├── external       <- Third party sources.
│   ├── interim        <- In-progress intermediate data.
│   ├── processed      <- The final data sets for modelling.
│   └── raw            <- The original, immutable data.

└── src                <- Source code for use in this project.
    ├── __init__.py    <- Makes src a Python module. 
    │
    ├── custom_func.py <- Various custom functions to import.
    │
    ├── data           <- Scripts to download or generate data.
    │   └── make_dataset.py
    │
    ├── features       <- Scripts raw data into features for
    │   │                 modeling.
    │   └── build_features.py
    │
    ├── models         <- Scripts to train models and then use
    │   │                 trained models to make predictions.
    │   │                 
    │   ├── predict_model.py
    │   └── train_model.py
    │
    └── viz            <- Scripts to create visualizations.            
        └── viz.py

2、JupyterLab GitHub

JupyterLab GitHub 是用于访问 GitHub 存储库的扩展。通过此扩展,你可以选择 GitHub 组织、浏览其存储库并打开这些存储库中的文件。如果存储库包含 jupyter 笔记本,也可以直接在 JupyterLab 环境中访问它们。

安装方法
使用

在完成上述安装后,你可以访问 JupyterLab 环境中的所有存储库,而无需在不同的接口之间切换。

使用方法

3、Jupyterlab Git

Jupyterlab-git是另一个有用的 JupyterLab 扩展,用于使用 git 进行版本控制。

安装

安装方法

安装后,可以从左侧面板上的 Git 选项卡访问Git扩展

4、Jupyterlab-TOC

Jupyterlab-TOC 扩展在 JupyterLab 接口的左侧填充目录。如果打开笔记本或标记文件,将在侧边栏上生成相应的 TOC。条目是可滚动和可单击的。

安装
使用

安装扩展后,你可以通过 JupyterLab 的高级设置编辑器修改其某些属性。例如,可以通过将参数设置为折叠 TOC 中的笔记本部分。

使用方法

5、Jupyterlab-drawio

Drawio 插件是 JupyterLab 扩展,用于将 drawio/mxgraph 独立集成到 Jupyterlab 中。它可以制作流程图、流程图、组织结构图、UML、ER 和网络图的免费在线图表软件。

安装
安装方法
使用
使用方法

6、Jupyterlab-Topbar

安装
安装方法
使用

Jupyterlab-Topbar 是用于修改 JupyterLab 界面中顶部栏的扩展。顶部柱可用于放置一些有用的指标,安装并启用扩展后,您将在顶部栏上看到一些指示灯。将有一个注销按钮,暗光和浅色主题开关,自定义消息和内存指示器。

使用方法

7、Jupyterlab Code Formatter

Jupyterlab Code Formatter 是一个小插件,支持 JupyterLab 中的各种代码格式器,这是我最喜欢的扩展之一。

安装
安装方法
使用

下面进行一个快速演示。

8、Jupyterlab-chart-editor

Jupyterlab-chart-editor 扩展用于编辑绘图图表,该扩展允许通过用户友好的点击界面编辑绘图图表。

安装
安装方法
使用

图形首先使用绘图创建,然后写入 JSON 文件。打开保存的文件,并在 jupyterLab 环境中对它进行了一些更改。

使用方法

结论

在这篇文章中,我介绍了 8 款非常有用的 JupyterLab 插件,这些插件丰富了 JupyterLab 的功能,也使得我们的工作更加更顺畅、更高效,欢迎分享给身边好友!

另外,再送大家一份《Python数据科学手册

以大数据、云计算、物联网、人工智能等新技术所推动的数字化转型正迅速的改变着我们所处的时代,各大互联网公司都积累了大量的用户数据,比如购物、社交、出行等。充分挖掘数据价值,就是需要不断的和数据打交道。

如果你数据分析、数据挖掘、数据化运营感兴趣,却又无从下手,那么我来给你推荐一本不错的书籍--《Python数据科学手册》。

领取方式:

长按扫码,发消息 [数据分析]


本文分享自微信公众号 - Python学习与数据挖掘(Python_CaiNiao)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部