• 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
      • Ajuste de Curvas
      • Calculadora de Matrices
    • 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)
    • Negocios
      • CLV
      • Scoring
    • 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

Tema oscuro en Jupyter Notebook

Jupyter

diciembre 21, 2020 Por Daniel Rodríguez 1 comentario
Tiempo de lectura: 3 minutos

Ejemplo de Notebook con tema chesterish

Personalmente me gusta trabajar con temas oscuros en las aplicaciones. Lo que hace que la pantalla brille menos y, por lo menos desde mi punto de vista, es más agradable. Algo que posiblemente ya habréis notado los lectores habituales en las diferentes capturas de pantalla. Una de las aplicaciones que más uso es Jupyter Notebook, en el que no existe un gestor de temas por defecto. Afortunadamente, se puede instalar el paquete jupyter-themes para cambiar los temas de una forma fácil. Además de incluir una colección de temas por defecto, entre los que se incluyen más de un tema oscuro en Jupyter Notebook. Por lo que este paquete es interesante para aquellos que deseen configurar Jupyter, tanto los que prefieren trabajar en modo oscuro como para aquellos que no.

Instalación del paquete

Como es habitual podemos el paquete jupyter-themes se puede instalar tanto a través de pip como de conda. Siendo necesario escribir en la terminal

pip install jupyterthemes

o en el caso de preferir usará conda

conda install -c conda-forge jupyterthemes

Una vez hecho esto tendremos un nuevo comando jt con el que se puede cambiar los temas de nuestros notebooks.

Configurar un tema oscuro en Jupyter Notebook

Para cambiar el tema de Jupyter Notebook solamente hay que escribir este comando en el terminal seguido de -t y el nombre del tema que deseemos. Así se puede configurar el tema chesterish, el que uso actualmente, escribiendo el siguiente comando

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

jt -t chesterish

Un tema oscuro que se puede ver en la siguiente captura de pantalla.

Ejemplo de Notebook con tema chesterish
Ejemplo de Notebook con tema chesterish

Publicidad


Otros temas

Además de este tema existen otros que en el paquete pueden ser interesantes. Por ejemplo, un tema claro que me parece interesante es grade3. Aunque, como la elección de los temas es algo personal, lo mejor es consultar el listado de temas en el GitHub del proyecto y usar el que más nos gusta.

Ejemplo de Notebook con tema grade3
Ejemplo de Notebook con tema grade3

Volver al tema por defecto

Si en cualquier momento queremos volver a tema por defecto de Jupyter Notebook, se puede hacer simplemente lanzando el comando

jt -r

El cual nos devolverá a la configuración por defecto.

Ejemplo de Notebook con el tema por defecto
Ejemplo de Notebook con el tema por defecto

Conclusiones

Cambiar el tema por defecto de Jupyter Notebook es algo que se puede hacer fácilmente gracias al paquete jupyter-themes. Siendo posible cambiar el que viene por defecto por un tema oscuro en Jupyter Notebook.

Por cierto, el blog se puede consultar en modo oscuro desde septiembre de 2020. Un modo que se activa según lo indique el navegador o manualmente con el selector situado en la parte inferior izquierda.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 4.8 / 5. Votos emitidos: 5

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

  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Por Qué las Contraseñas Largas son más Seguras que las Complejas
  • Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring
  • Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)
  • BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas
  • Curiosidad: De dónde vienen foo, bar y foobar

Publicado en: Python Etiquetado como: Jupyter

Interacciones con los lectores

Comentarios

  1. Luis Forni dice

    noviembre 16, 2022 a las 9:12 pm

    jt -t solarizedd -T -N -kl

    Con esto podes ver el toolbar y el header

    Responder

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

Por Qué las Contraseñas Largas son más Seguras que las Complejas

agosto 20, 2026 Por Daniel Rodríguez

Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring

agosto 18, 2026 Por Daniel Rodríguez

Curiosidad: De dónde vienen foo, bar y foobar

agosto 13, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Por Qué las Contraseñas Largas son más Seguras que las Complejas publicado el agosto 20, 2026 | en Criptografía
  • pandas Pandas: Mostrar todos los elementos de un DataFrame publicado el agosto 26, 2021 | en Python
  • La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2) publicado el junio 11, 2026 | en Opinión
  • Utilizar R desde Python con rpy2 publicado el enero 11, 2019 | en Python, R
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? publicado el marzo 25, 2019 | 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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

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