10 extensões do Jupyter Lab para aumentar a produtividade

Se você é um Cientista de Dados ou um Engenheiro de Dados usando Python como sua linguagem de programação primária, provavelmente deva usar o Jupyter Notebook. Como o aplicativo web de “próxima geração” para o Jupyter Notebook, o Jupyter Lab fornece recursos muito mais convenientes do que sua outra versão. Uma delas são as extensões.

Neste artigo, veremos 10 extensões do Jupyter Lab que são muito úteis para melhorar drasticamente a produtividade de um típico cientista de dados ou engenheiro de dados.

Gerenciador de Extensões do Laboratório Jupyter

A maior parte do recurso online dirá para você executar o comando como o seguinte para instalar uma extensão do Jupyter Lab.

Bem, usar a linha de comando também é o meu favorito. No entanto, se você é um usuário de VS Code, Sublime ou Atom, você também pode querer pesquisar diretamente o que você quer instalar em um “gerenciador”. O Jupyter Lab fornece esse recurso.

Como mostrado na captura de tela, você pode ir para a 4ª guia na navegação esquerda, que é o gerenciador de extensão. Então, você pode pesquisar o que quiser para obter a extensão certa para suas necessidades.

Agora, vamos dar uma olhada quais são as extensões recomendadas!

1. Depurador de JupyterLab

Às vezes, o recurso de depuração é necessário para codificação. Por exemplo, podemos querer executar um loop passo a passo para ver o que está exatamente acontecendo dentro. A maioria das ferramentas IDE suporta esse recurso de depuração com “step over” e “step into”, mas infelizmente não em Jupyter naturalmente.

@jupyterlab/debugger é tal extensão nos permite complementar este recurso faltando no Jupyter Lab.

imagem: https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e61716559

2. JupyterLab-TOC

Tem um notebook longo? Quer deixar seu caderno mais bonito para uma apresentação? Ou, Só quer ter uma tabela de conteúdo para o seu caderno? @jupyterlab/toc

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

Com esta extensão, a tabela de conteúdo será gerada automaticamente com base nas células de marcação com títulos (certifique-se de usar ## para especificar seus níveis de posição). Esta também é uma boa maneira de usar o Caderno Jupyter que torna seu trabalho mais sistemático e organizado.

3. JupyterLab-DrawIO

Diagram.net (anteriormente Draw.IO) é uma ótima ferramenta para desenhar diagramas)jupyterlab-drawio

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

4. Tempo de execução do JupyterLab

Uma das características incríveis do Jupyter Notebook/Lab é que ele fornece muitos comandos mágicos úteis. Por exemplo, podemos usar para testar quanto tempo nosso código levará para ser executado. Ele executará nosso trecho de código centenas ou milhares de vezes e obterá a média para ter certeza de dar um resultado justo e preciso.%timeit

No entanto, às vezes não precisamos que seja tão científico. Além disso, seria bom saber quanto tempo para cada célula para correr. Neste caso, é absolutamente exagerado usar para cada célula.%timeit

jupyterlab-execute-time pode ajudar neste caso.

Como mostrado na captura de tela, ele mostra não apenas o tempo de execução da célula, mas também o último tempo executado. Prometo que este é um recurso muito conveniente para indicar a ordem de sua execução para essas células.

5. Planilha JupyterLab

Como cientista de dados ou engenheiro de dados, você deve lidar com planilhas às vezes. No entanto, o Jupyter não suporta nativamente ler arquivos Excel, o que nos obriga a abrir várias ferramentas para alternar entre o Jupyter para codificação e o Excel para visualização.

jupyterlab-spreadsheet resolve este problema perfeitamente. Ele incorporou o recurso de visualização de planilha xls/xlsx no Jupyter Lab, para que possamos ter tudo o que precisamos em um único lugar.

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

6. Monitor do Sistema JupyterLab

Python não é uma linguagem de programação eficaz de execução, o que significa que pode consumir mais recursos de CPU/memória comparar os outros. Além disso, um dos casos de uso mais comuns para Python é a Ciência de Dados. Portanto, podemos querer monitorar nosso recurso de hardware do sistema para estar ciente de que nosso código Python pode congelar o sistema operacional.

jupyterlab-topbar-extension é a extensão que você pode querer ter. Ele exibirá o uso da CPU e da memória em uma barra superior da Interface do Laboratório Jupyter para que possamos monitorá-los em tempo real.

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

7. JupyterLab Kit

Embora eu ame jupyter, ele não faz o código de conclusão automática, bem como as outras ferramentas clássicas IDE fazem. A conclusão automática do código é muito limitada e lenta.

Você pode já ouvir falar do Kite, que é um serviço gratuito de conclusão de código alimentado por IA. Está disponível em quase todos os IDEs populares como Sublime, VS Code e PyCharm.

imagem: https://github.com/kiteco/jupyterlab-kite

Com esta extensão, podemos codificar em Jupyter Lab mais fluentemente.

8. Inspetor De Variáveis JupyterLab

Se você é um Cientista de Dados que foi trocado do estúdio R ou do Matlab, você pode estar muito familiarizado com o inspetor de variáveis que essas ferramentas forneceram. Este recurso infelizmente não está disponível no Jupyter Lab por padrão. No entanto, a extensão traz esse recurso de volta a ele.jupyterlab-variableInspector

imagem: https://github.com/lckr/jupyterlab-variableInspector/raw/master/early_demo.gifj

9. JupyterLab Matplotlib

Matplotlib é uma biblioteca Python imperdível se você é um Cientista de Dados. É uma ferramenta básica, mas poderosa para visualização de dados em Python. No entanto, quando usamos o Jupyter Lab, o recurso interativo se foi.

A extensão pode tornar seu Matplotlib interativo novamente. Basta habilitá-lo usando um comando mágico, seu gráfico 3D fantasia se tornará interativo.jupyter-matplotlib%matplotlib widget

imagem: https://github.com/matplotlib/ipympl/raw/master/matplotlib.gif

10. JupyterLab Plotly

Enquanto o Matplotlib é a biblioteca mais básica e poderosa para visualização de dados, plotly é minha biblioteca favorita nesta área. Ele envolveu muitos gráficos comuns que podemos gerar gráficos incríveis em algumas linhas de código.

Para que o Jupyter Lab suporte perfeitamente e seja capaz de exibir gráficos plotly interativos, precisa ser instalado.jupyterlab-plotly

Obrigado.

Composing a repository of books (i bought), authors (i follow) & blogs (direct ones) for my own understanding.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store