• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

5 extensiones para Jupyter Notebook con los que mejorar la productividad

abril 5, 2019 Por Daniel Rodríguez Dejar un comentario

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.

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.

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.

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

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 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?

Contenido relacionado

Archivado en:Python Etiquetado con: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.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

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

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • github
  • telegram
  • pinterest
  • rss
  • tumblr
  • twitter
  • youtube

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Creación de un certificado Let’s Encrypt en Windows con Win-Acme

enero 22, 2021 Por Daniel Rodríguez Dejar un comentario

Aplicaciones de Node en producción con PM2

enero 20, 2021 Por Daniel Rodríguez Dejar un comentario

SQLite en Python

enero 18, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Contar palabras en una celda Excel bajo Herramientas
  • Excel en Python Guardar y leer archivos Excel en Python bajo Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura bajo Python

Publicidad

Lo mejor valorado

5 (3)

Ordenar una matriz en Matlab en base a una fila o columna

5 (3)

Automatizar el análisis de datos con Pandas-Profiling

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

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

5 (3)

Unir y combinar dataframes con pandas en Python

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Calculadora de probabilidades de ganar a la lotería
  • abel en Calculadora de probabilidades de ganar a la lotería
  • David Arias en Diferencias entre regresión y clasificación en aprendizaje automático
  • Juan Aguilar en Archivos JSON con Python: lectura y escritura
  • Camilo en Contar palabras en una celda Excel

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

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.

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Amazon

2018-2020 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto