Jupyter Lab 十大高生产力插件

3s安装JupyterLab,4步完成JupyterLab插件安装(附多款高生产力插件推荐) 不允许你们不知道Jupyterlab还有那么方便的使用途径 阅读详情

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。

c7fd272c0fd8e6f957e2478ed028dc55.png

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。

b3d70827d12f5a7e0ffebda57addfb62.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。

aaa66d6265bf4f199af9fd0acd775d40.png

现在总结一下值得推荐的 10 个 Jupyter Lab 扩展。

JupyterLab 调试器

f4418f341aad573f019d832e19e19377.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。

8fb143b4d606bd674ec9c16e10d31402.png
图源:https://blog.jupyter.org/

JupyterLab-TOC

bce2bdb638cb1ee152db8495e834ce01.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。

05f2bf67eab3bfad5e9463afbe82a0ea.gif
图源: https://github.com/jupyterlab/

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

3e8bc1da02c9e9d22c43689e67749c3c.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。

43ff6545fd164007fbdd3c9deb951134.gif
图源:https://github.com/QuantStack/

JupyterLab Execution Time

41e6aa053ebe9e797ddd9213a71f5b47.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」。

35d12407fcbde1f0def71f218f961398.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

43d72374cfd729070af9c78834264ba6.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。

b59a17d89606ccc03cb578a794b93d8b.png
图源: https://github.com/quigleyj97/

JupyterLab System Monitor

d77a8a85d715a82ebf318975ad3f3381.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:

fe59c1d4e046ad6017c994a452e48cba.gif
图源:https://github.com/jtpio/

JupyterLab Kite

1d849028e78c1320b3b5d1469df2abec.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。

ddcf4f62df81a1f63552d74b63263e75.png
图源:https://github.com/kiteco/

JupyterLab Variable Inspector

6f850d860abdda23b668c75176b53438.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。

882cf0545b9dbd9c855bd949b958ab5d.gif
图源:https://github.com/lckr/

JupyterLab Matplotlib

b2ad6ab5c3f463a36867a68960f147fa.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:

837623b31b8c4f7b759780863f012d4b.gif
图源:https://github.com/matplotlib/ipympl

JupyterLab Plotly

a0089ee3d903e4570afdbbbe3342c343.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

觉得还不错就给我一个小小的鼓励吧!
我的jupyter-lab插件 (base) ~ ᐅ jupyter labextension list JupyterLab v1.2.5 Known labextensions: app dir: /home/tqc/miniconda3/share/jupyter/lab @jupyterlab/fasta-extension v1.0.0 ... 阅读详情

相关推荐

Jupyter Notebook vs Jupyter Lab:新手如何选择?安装配置全攻略(含目录修改技巧)

本文详细对比了Jupyter Notebook和Jupyter Lab的核心差异,包括界面设计、功能扩展性和性能表现,并提供了从安装配置到目录修改的实用教程。针对新手开发者,文章还介绍了生产力提升技巧和团队协作方案,帮助用户根据需求选择最适合的交互式计算环境。

desk3的博客 913

【Python】Jupyter Lab 十大高生产力插件

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...

fengdu78的博客 900

Jupyter Notebook vs Jupyter Lab:哪个更适合你的数据科学工作流?

本文深入比较了Jupyter Notebook和Jupyter Lab在数据科学工作流中的优劣,帮助开发者选择最适合的工具。Notebook适合线性工作和教学演示,而Lab提供模块化IDE体验,支持多任务处理和丰富扩展。文章还提供了性能实测、使用场景分析和迁移策略,助力提升数据科学工作效率。

zero1的博客 1095

Jupyter Lab插件推荐:Miniconda用户提升生产力

通过Miniconda与Jupyter Lab的深度集成,实现Python项目环境的精确隔离与复现。利用conda环境管理多版本依赖,解决包冲突和实验不可复现难题,特别适合数据科学与AI研发场景。配合ipykernel注册内核,可在Jupyter中自由切换独立环境,提升协作效率。

weixin_36427956的博客 893

BUCK降压电路设计实战:从理论到PCB的完整指南

本文详细介绍了BUCK降压电路的设计实战,从基础原理到PCB布局的完整指南。通过关键部件选型、PCB布局黄金法则和调试技巧,帮助工程师高效设计稳定可靠的开关电源。特别针对电感、MOSFET和电容选型提供实用公式和避坑指南,并分享高温环境下的工程经验与测试方法。

weixin_33744141的博客 482

cs231n作业 assignment 1 q1 q2 q3

请先看课程作业地址。有两种做作业的方法,一种是在google Colab上做 (需魔法),另一种就是下载到本地,但是我懒得在本地配置环境,太麻烦了,还得修改一些基础代码,我就直接在google colab上做了google colab 配置环境只需要跟着教程走就好了最后还有一题解答题懒得做的,这个题目做的没啥意思。让我们用简单写法来实现softmax的loss函数与梯度计算。

Leezed525的博客 9280

jupyter lab常用插件集合

本篇博客旨在为读者介绍一系列常用且强大的 Jupyter Lab 插件。无论是初学者还是资深用户,你都会在这些插件中发现可以提升你日常工作效率和体验的宝藏。我们将深入探索每个插件的功能、安装方法和使用技巧,帮助你构建一个更加高效、定制化的 Jupyter Lab 工作环境。

WeLearnNLP 4930

【LabVIEW懒人系列教程-视觉入门】2.6LabVIEW模板匹配之创建模板

上期2.5在Labview软件框架中实现了模板匹配功能的运用,然而我们的模板图像是通过视觉助手创建出来的,在实际项目中这样做 ,难免有些不妥。所以,今天就给大家讲解一下,如何编写创建模板功能,模板图像的创建与加载需要注意一些什么。 模板图片的创建,大家可以理解为将图像中的一个特征区域扣下来,通过Labview函数进行信息学习,然后保存成带有图像信息的模板图。 具体做法,下面为大家演示一下 百度网盘视频链接:https://pan.baidu.com/s/1-zxcJBxPgk4t1Ej..

视觉龙哥 2168

Jupyter Lab 十大高效生产力插件!

来源:机器学习算法与Python实战‍‍‍‍‍‍‍‍‍ 本文约2200字,建议阅读5分钟本文介绍了Jupyter Lab 十大高效的生产力插件。‍‍‍‍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...

数据派THU 309

代码审计工具学习之Seay(安装以及初步认识)

目录 1.1名词解释 1.2代码审计的重要性 1.3代码审计的步骤 1.4代码审计的内容 1.5常见的代码审计工具 2 Seay 2.1什么是Seay 2.2Seay的安装过程 3典型漏洞分析 3.1什么是命令注入漏洞 3.2 如何理解命令注入漏洞 3.3 如何防御命令注入漏洞 4 利用工具对命令注入漏洞进行分析 4.1DVWA靶场命令注入漏洞分析 4.2 Pikachu靶场命令注入漏洞分析 1.1名词解释 软件代码审计是对编程项目中源代码的全面...

weixin_52515588的博客 2万+

PCB工艺-SI9000使用教程

本文介绍了阻抗计算工具SI9000的使用方法,重点讲解了微带线与带状线的区别、共面阻抗概念及参考面选择。通过USB差分走线实例,详细说明了如何选择计算模型、填写参数并确定线宽线距。文章还提供了层叠设计资料和工厂常规阻抗表格作为参考,建议制板时标注需控阻抗的线路供板厂调整。最后简单提及了嘉立创阻抗计算工具作为备选方案。

weixin_50120208的博客 2032

Jupyter Lab这十个高生产力插件,你知道吗?

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...

小詹学python的博客 422

从零构建:Esp32+Esp-IDF驱动ST7789屏幕并集成LVGL图形库

本文详细介绍了如何从零开始使用Esp32和Esp-IDF驱动ST7789屏幕并集成LVGL图形库。内容涵盖环境准备、SPI驱动配置、屏幕初始化、LVGL图形库集成及常见问题排查,帮助开发者快速实现高效稳定的显示解决方案。

weixin_42657024的博客 526

Jupyter Lab插件推荐:增强PyTorch开发体验

通过PyTorch-CUDA容器镜像与Jupyter Lab的结合,实现环境一致性、快速启动与高效调试,彻底解决AI开发中的依赖冲突和GPU配置难题。借助丰富的插件生态,Jupyter Lab已进化为功能强大的交互式IDE,显著提升深度学习实验迭代效率。

weixin_35636570的博客 675

gradle报错:A problem occurred configuring root project ‘My Application‘.

即使翻译了,我开始也看不懂,到处找网上教程,但都是改环境变量。马虎的我即使看了很多遍,改了很多遍也没反应过来,今天第一次搞gradle,突然就报错了,打印出。好了我就继续看项目了。

m0_59878789的博客 4091

【异常】OpenClaw 上下文溢出问题(100% context used 309.9k/200k`)排查与解决

摘要:OpenClaw 运行出现"100% context used 309.9k/200k"报错,表示上下文窗口超出200k Token限制。解决方法包括:1) 重启服务或新建会话清空缓存;2) 修改配置文件提升context_window值;3) 长期优化如限制历史对话轮数、分批处理长文本。该问题通常由输入过长或多轮对话累积导致,需控制单次输入量在阈值内。

奶爸的编程之路,也就一周冷个三天 3240

Jupyter Lab 这十个高生产力插件,你知道吗?

这是「进击的Coder」的第 641篇技术分享来源:数据 studio“ 阅读本文大概需要 9 分钟。 ”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 ...

静觅 1312

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

大幅提高生产力:你需要了解的十大Jupyter Lab插件

点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达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。如果你是一个用 Python 的数据...

小白学视觉 1094

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

使用Jupyter Lab提升PyTorch开发效率的插件推荐

通过PyTorch-CUDA容器镜像与Jupyter Lab插件组合,构建高效、可复现的深度学习开发环境。利用TOC导航、代码补全、资源监控等插件,显著提升编码、调试和协作效率,实现从实验到部署的无缝衔接。

weixin_35370061的博客 453

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Jupyter Lab插件安装指南(Miniconda-Python3.9环境)

通过Miniconda和Jupyter Lab搭建高效、可复现的数据科学开发环境,涵盖Python 3.9环境创建、LSP智能补全、Git版本控制和主题美化等核心插件配置,提升开发效率与团队协作能力。

weixin_31800911的博客 708
上一篇: 一个高中生的编程自学经历
下一篇: 太强了,10种聚类算法完整Python实现!
Wang_AI
博客等级 码龄12年 998粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值