Python

5 extensiones para Jupyter Notebook con los que mejorar la productividad

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

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

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

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

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?

Daniel Rodríguez

Share
Published by
Daniel Rodríguez
Tags: Jupyter

Recent Posts

Cómo Comparar Dos Hipotecas con Todos los Gastos Incluidos

Comparar dos hipotecas parece sencillo: la que tenga el TIN más bajo es la mejor…

15 horas ago

Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV

En un artículo anterior vimos la fórmula clásica del CLV junto a sus limitaciones. Una…

3 días ago

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

Y llegamos al final de una serie que había programado para ser de tres entradas.…

1 semana ago

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

Un modelo de credit scoring no es un artefacto estático. Se construye en un momento…

1 semana ago

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

En las seis entregas anteriores hemos paseado por casi todos los géneros del disparate económico:…

2 semanas ago

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

El Customer Lifetime Value (CLV) es, probablemente, la métrica más importante que puede calcular una…

2 semanas ago

This website uses cookies.