• 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
  • 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
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • JavaScript
  • Excel

3 extensiones de Jupyter para reducir distracciones

julio 29, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Tres extensiones de Jupyter para reducir distracciones

En una entrada anterior se mostraron algunas extensiones de para Jupyter Notebook destinadas a mejorar la productividad. Las cuales pertenecen a la colección nbextensions. Una colección en la que actualmente hay más de 60 extensiones disponibles. En la entrada de hoy se van a mostrar tres extensiones de Jupyter para reducir distracciones. Las cuales son complementarias a las vistas anteriormente.

Instalación extensiones para Jupyter Notebook

La instalación de las extensiones es un poco más complicada que los paquetes normales de Python, ya que requieren un paso adicional a la instalación con pip. En primer lugar, se tiene que instalar con pip la librería, para lo que es necesario escribir en la terminal:

pip install jupyter_contrib_nbextensions

Una vez hecho esto hay que agregar los archivos JavaScript y CSS en el servidor Jupyter. Lo que también se tiene que hacer en la terminal, para lo que se tiene que escribir el comando:

jupyter contrib nbextension install

Al finalizar estos pasos aparecerá una nueva pestaña en “NBextensions” al lanzar el servidor de Jupyter Notebook.

Extensiones de Jupyter para reducir distracciones

Una vez realizada la instalación aparece una lista de más de 60 extensiones. Si lo que se desea es un entorno de trabajo más minimalista en el que reducir las distracciones se pueden probar las siguientes extensiones.

Publicidad


zenmode

Al abrir un Notebook de Jupyter lo primero que se puede ver es la barra de menús. La cual ocupa bastante espacio en la pantalla, especialmente cuando se trabaja con portátiles, y no es necesaria tenerla a la vista en todo momento. Para ocultar la barra se puede activar la extensión zenmode. Lo que hace es crear un botón con el que es posible pasar desde una venta como

Visión de un Jupyter Notebook nada más abrir

A otra ventana más minimalista con una mayor área de trabajo.

Jupyter Notebook con zenmode activo

Codefolding

Una cosa que siempre echo de menos en los Notebook de Jupyter es la posibilidad de plegar en código, como se puede hacer en la mayoría de los editores modernos. Pudiendo ocultar así los detalles de las implementaciones cuando no es necesario. En tal caso lo mejor es activar la extensión Codefolding.

Al activar la extensión Codefolding se puede observar que en las celdas aparecen unos selectores con los que se puede plegar el código. Como se muestra en la siguiente captura de pantalla.

Diferente ejemplo de Codefolding en un Jupyter Notebook

Hide all Input

Finalmente se puede citar una extensión con la que es posible ocultar todas las celdas del Notebook. Lo que permite continuar trabajado con un espacio de trabajo más limpio, pero sin perder el código ni los datos.

Publicidad


Diferente ejemplo de Hide all Input en un Jupyter Notebook

Conclusiones

En esta entrada se han visto tres extensiones de Jupyter para reducir distracciones a la hora de trabajar. Extensiones que forman parte de la colección nbextensions. El uso de estas u otras extensiones permite que aumentar la productividad como ya se ha visto en una entrada anterior.

¿Cuáles son vuestras extensiones favoritas? Podéis indicarlo a continuación en los comentarios de la entrada.

Imágenes: Pixabay

¿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

  • Cobertura de las pruebas unitarias en Python (Creación de paquetes de Python 4ª parte)
    Cobertura de las pruebas unitarias en Python (Creación de…
  • Distribución de paquetes de Python (Creación de paquetes de Python 7ª y última parte)
    Distribución de paquetes de Python (Creación de paquetes de…
  • Convertir un Notebook en un archivo de Python
    Convertir un Notebook en un archivo de Python
  • Pruebas unitarias en Python (Creación de paquetes de Python 2ª parte)
    Pruebas unitarias en Python (Creación de paquetes de Python…
  • Documentar paquetes de Python (Creación de paquetes de Python 6ª parte)
    Documentar paquetes de Python (Creación de paquetes de…
  • Ejemplo de Notebook con tema chesterish
    Tema oscuro en Jupyter Notebook

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.

Publicidad




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
  • Facebook
  • GitHub
  • Instagram
  • Pinterest
  • RSS
  • Twitter
  • Tumblr
  • YouTube

Publicidad

Entradas recientes

El método de Hare-Niemeyer y su implementación en Python

septiembre 29, 2023 Por Daniel Rodríguez

Redimensionar una partición de disco LVM con espacio no asignado en Linux

septiembre 27, 2023 Por Daniel Rodríguez

¿Cómo saber la versión de Pandas o cualquier otra librería en Python?

septiembre 25, 2023 Por Daniel Rodríguez

Publicidad

Es tendencia

  • ¿Cómo eliminar columnas y filas en un dataframe pandas? publicado el marzo 25, 2019 | en Python
  • Seleccionar filas y columnas en Pandas con iloc y loc publicado el junio 21, 2019 | en Python
  • Sistema de ecuaciones Sistemas de ecuaciones lineales con numpy publicado el octubre 29, 2018 | en Python
  • La aplicación Auto Py to Exe Creación de un EXE desde un archivo Python en Windows publicado el mayo 16, 2022 | en Python
  • ¿Cómo cambiar el nombre de las columnas en Pandas? publicado el mayo 6, 2019 | en Python

Publicidad

Lo mejor valorado

4.9 (22)

Seleccionar filas y columnas en Pandas con iloc y loc

4.7 (12)

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

4.6 (15)

Archivos JSON con Python: lectura y escritura

4.5 (10)

Diferencias entre var y let en JavaScript

4.3 (12)

Ordenación de diccionarios en Python mediante clave o valor

Publicidad

Comentarios recientes

  • Daniel Rodríguez en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • Miguel en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • alberto en Resolver problema de credenciales en Bitbucket
  • Pablo en Aplicar el método D’Hondt en Excel
  • Agapito en Creación de un EXE desde un archivo Python en Windows

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 © 2018-2023 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto