• 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
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

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

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.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

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

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.

Publicidad


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

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.

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 5 / 5. Votos emitidos: 1

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?

Publicidad


Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Analytics Lane lanza un Conversor CSV ↔ JSON para transformar datos en tiempo real
  • Analytics Lane lanza un nuevo Formateador y Tester de Expresiones Regulares para desarrolladores
  • Analytics Lane lanza su Visualizador de Series Temporales: entiende tendencia, estacionalidad y ruido de forma visual e interactiva
  • Analytics Lane lanza su Conversor de Bases Numéricas: entiende cómo trabajan los ordenadores a nivel de bits
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas
  • 1200 publicaciones en Analytics Lane
  • El mayor riesgo de la inteligencia artificial conversacional: cuando la IA confirma lo que ya pensabas – Conversar con una inteligencia artificial – Parte III
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos

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

Analytics Lane lanza un Conversor CSV ↔ JSON para transformar datos en tiempo real

mayo 1, 2026 Por Daniel Rodríguez

Analytics Lane lanza un nuevo Formateador y Tester de Expresiones Regulares para desarrolladores

abril 30, 2026 Por Daniel Rodríguez

Analytics Lane lanza su Visualizador de Series Temporales: entiende tendencia, estacionalidad y ruido de forma visual e interactiva

abril 30, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas publicado el abril 29, 2026 | en Noticias
  • Trazar ejes logarítmicos en Matplotlib publicado el agosto 30, 2022 | en Python
  • Los mejores conjuntos de datos para Machine Learning publicado el septiembre 11, 2024 | en Ciencia de datos, Reseñas
  • Regresión de Vectores de Soporte (SVR, Support Vector Regression) publicado el diciembre 17, 2021 | en Ciencia de datos
  • Como analizar el espacio en disco en Linux con el comando du publicado el junio 4, 2025 | en Herramientas

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

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • 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

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 © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto