如果你是一個用 Python 的數(shù)據(jù)科學家，那么用 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(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，它們對于典型的數(shù)據(jù)科學家 / 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)。然后就可以搜索到你需要的擴展。

現(xiàn)在總結一下值得推薦的 10 個 Jupyter Lab 擴展。

1. JupyterLab 調試器

調試器指南：https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e61716559

由于 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(huán)(for-loop )來查看內部發(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

2. JupyterLab-TOC

JupyterLab-TOC 項目地址：https://github.com/jupyterlab/jupyterlab-toc

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)。

 

 

圖源: https://github.com/jupyterlab/jupyterlab-toc/raw/master/toc.gif

有了這個擴展，基于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(tǒng)性和組織性。

3. JupyterLab-DrawIO

JupyterLab-DrawIO 項目地址：https://github.com/QuantStack/jupyterlab-drawio

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。

圖源：https://github.com/QuantStack/jupyterlab-drawio/raw/master/drawio.gif

4. JupyterLab Execution Time

JupyterLab Execution Time 項目地址：https://github.com/deshaw/jupyterlab-execute-time

Jupyter 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(shù)百或數(shù)千次，并得到平均值，以確保給出一個公平和準確的結果。

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。

5. JupyterLab Spreadsheet

JupyterLab Spreadsheet 項目地址：https://github.com/quigleyj97/jupyterlab-spreadsheet

作為一名數(shù)據(jù)科學家或數(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。

圖源: https://github.com/quigleyj97/jupyterlab-spreadsheet/raw/main/screenshot.png

6. JupyterLab System Monitor

jupyterlab-system-monitor 項目地址：https://github.com/jtpio/jupyterlab-system-monitor

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 和內存資源。Python 的最常見用例之一是數(shù)據(jù)科學。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 和內存使用情況，這樣我們就可以實時監(jiān)控了。如下動圖所示：

圖源：https://github.com/jtpio/jupyterlab-system-monitor/raw/main/doc/screencast.gif

7. JupyterLab Kite

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(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 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-kite

8. JupyterLab 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(shù)據(jù)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

9. JupyterLab Matplotlib

Matplotlib/ipympl 項目地址：https://github.com/matplotlib/ipympl

如果你是數(shù)據(jù)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(shù)據(jù)可視化工具。但當我們使用 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

10. JupyterLab Plotly

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(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

【本文是51CTO專欄機構“機器之心”的原創(chuàng)譯文，微信公眾號“機器之心( id: almosthuman2014)”】 

 

戳這里，看該作者更多好文