• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • Excel
  • Matlab

5 extensiones para Jupyter Notebook con los que mejorar la productividad

abril 5, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Jupyter Notebook es una excelente herramienta en la que es posible integrar código interactivo con ecuaciones, gráficas y documentación. Por lo que es una solución ampliamente utilizada en entornos educativos, para tareas de exploración de datos y la documentación de algoritmos. Aún así es posible que falten algunas funcionalidades con las que mejorar nuestra productividad a la hora de utilizar esta herramienta. Lo que se puede solucionar mediante la instalación de extensiones para Jupyter Notebook.

Esta es una herramienta altamente configurable como se ha visto a la hora de crear gráficos interactivos en Jupyter Notebook.

Tabla de contenidos

  • 1 Instalación de extensiones para Jupyter Notebook
  • 2 Algunas extensiones interesantes
    • 2.1 Tabla de contenidos (“Table of Contents”)
    • 2.2 Inspector de variables (“Variable inspector”)
    • 2.3 Tiempo de ejecución (“ExecuteTime”)
    • 2.4 Formatear el código con pep8 (“Autopep8”)
    • 2.5 Panel de ayuda (“Help panel”)
  • 3 Conclusiones

Instalación de extensiones para Jupyter Notebook

Algunas de las extensiones más interesantes para Jupyter Notebook se pueden encontrar en el proyecto Jupyter notebook extensions. En el que se pueden encontrar decenas extensiones fácilmente instalables, como se puede ver en su repositorio de GitHub. La instalación de este proyecto se puede realizar a través de pip o conda. En el caso de utilizar pip para ellos solamente es necesario escribir en la terminal

pip install jupyter_contrib_nbextensions

Una vez instalada la librería con las extensiones se han de instalar los archivos JavaScript y CSS en el servidor Jupyter. Esto también se puede realizar a través de la línea de comandos ejecutando

jupyter contrib nbextension install

A partir de ahora al lanzar el servidor Jupyter aparecerá una nueva pestaña (Nbextensions) con todas las extensiones instalados. Para activar una solamente se ha de seleccionar en esta pestaña.

Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”
En Analytics Lane
Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”

Listado de extensiones disponibles al instalar Jupyter notebook extensions
Listado de extensiones disponibles al instalar Jupyter notebook extensions

Publicidad


Algunas extensiones interesantes

Tras la instalación de las extensiones para Jupyter Notebook aparece una lista abrumadora. A continuación, se puede destacar algunos de los complementos más interesantes.

Tabla de contenidos (“Table of Contents”)

Estas es una extensión interesante cuando se está trabajando con grandes Notebook ya que permite crear de forma automática una tabla de contenidos. Al instalarse aparecerá una nueva opción en el menú de funciones que permite mostrar la tabla de contenidos del notebook.

Tablas de contenidos en Jupyter Notebook
Tablas de contenidos en Jupyter Notebook

Publicidad


Inspector de variables (“Variable inspector”)

El inspector de variables permite acceder al listado de variables creadas en el Notebook. Al instalarlo en el Notebook aparecerá una nueva función con la que se podrá consultar el nombre de las variables, el tipo, el tamaño y los valores.

Listado de variables en Jupyter Notebook
Listado de variables en Jupyter Notebook

Tiempo de ejecución (“ExecuteTime”)

Al ejecutar una celda en un Jupyter Notebook no se puede saber el tiempo que ha tardado en ejecutarse. Un valor que suele ser interesante conocer. Para solucionar este problema se puede instalar la extensión de tiempo de ejecución.

Tiempo de ejecución Jupyter Notebook
Tiempo de ejecución Jupyter Notebook

Publicidad


Formatear el código con pep8 (“Autopep8”)

Es una buena práctica escribir el código de forma que sea compatible con el estándar pep8. Pero en muchas ocasiones puede ser que se “olvide” este punto mientras al centrarse en el análisis de los datos. Una vez se finaliza el trabajo se puede adaptar el código para que cumpla con el estándar de forma automática. Para ello se ha de activar la extensión Autopep8. Al hacer esto se aparecerá una nueva función en los Notebooks que permitirán formatear las celdas automáticamente.

Esta extensión requiere tener instalado la función autopep8 en Python. Como siempre esta se puede instalar mediante el uso de pip en la terminal

pip install autopep8

Panel de ayuda (“Help panel”)

Al seleccionar esta extensión se agregará un nuevo botón a la barra de herramienta con el que se mostrará un nuevo panel de ayuda con los atajos.

Publicidad


Conclusiones

Hoy se ha visto como instalar y configurar las extensiones para Jupyter Notebook. La instalación de estos complementos permiten mejorar la productividad de una herramienta que ya es de por sí muy productiva.

Imágenes: Pixabay (Graylion)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”
  • Copias de seguridad automáticas en SQL Server con rotación de archivos
  • Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Error npm ERR! code EACCES al instalar paquetes en Node.js: Cómo solucionarlo paso a paso
  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento

Publicado en: Python Etiquetado como: Jupyter

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento

octubre 9, 2025 Por Daniel Rodríguez

Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)

octubre 7, 2025 Por Daniel Rodríguez

Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia

octubre 2, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • ¿Cómo cambiar el nombre de las columnas en Pandas? publicado el mayo 6, 2019 | en Python
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • pandas Pandas: Cómo iterar sobre las filas de un DataFrame en Pandas publicado el septiembre 13, 2021 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto