最佳 JupyterLab 扩展

引言

JupyterLab 是 Jupyter Notebooks 的下一代演进，也是一个功能齐全的 IDE。由于其功能性和易用性的结合，数据科学家可以获得分析数据并以非技术人员易于理解的形式展示数据的各种工具。

什么是 JupyterLab？

与数据科学最相关的工具是 JupyterLab。它拥有广泛的功能集，包含数据科学编码所需的一切，例如内置终端功能、实时代码执行和图形绘制。

它支持包括 Python、Julia、R 等在内的主要数据科学语言。您可以将 JupyterLab 安装在自己的服务器上，也可以使用在线版本，因为它作为 Web 应用程序运行。即使您没有数据科学经验，它也易于使用。

JupyterLab 的主要特点是其可扩展性，它允许您最大程度地利用扩展来增强您的工作环境。

什么是 JupyterLab 扩展？

JupyterLab 的核心理念是创建一个可扩展的环境。JupyterLab 扩展允许您自定义或改进 JupyterLab 的任何方面。它们可以提供各种功能，如新主题、文件读取器和编辑器，或允许笔记本电脑富输出的渲染器。扩展可用于添加键盘快捷键、系统设置以及菜单或命令面板项。扩展可以相互依赖，并为其他扩展的使用提供 API。JupyterLab 只是扩展的聚合，不比任何其他自定义扩展更优越或更强大。要增加成功的机会，您所需要做的就是为您的代码添加一个 JupyterLab 扩展。严格来说，JupyterLab 扩展是一个 JavaScript 库，它为 JupyterLab 软件添加了许多交互功能。

裁缝需要精确地测量您，才能为您量身定做最合身的纯手工手套。就像手套一样，只有进行一些修改，您才能获得理想的工作环境。借助扩展，JupyterLab 可以根据您的确切规格进行定制。

有些扩展可能更专业，并且依赖于您如何使用 JupyterLab，而其他扩展可能更广泛有用，几乎任何人都可以从中受益。

如何安装 JupyterLab 扩展？

在 JupyterLab 中，可以以两种不同的方式安装扩展。第一种是面向喜欢 CLI 的用户，涉及在终端中键入一个简单的命令，正如您所期望的那样。如果存在依赖关系，您可能需要使用多个命令。但总的来说，它会是这样的：

也可以使用扩展管理器。首先选择拼图图标后启用。

启用扩展后，您可以使用搜索框查找所需的扩展并进行安装。

最佳 JupyterLab 扩展

调试器

调试器是处理代码的必备工具，JupyterLab 在设计时就考虑了调试。JupyterLab 3 现在已自带此扩展，但如果您使用的是 JupyterLab 2 或更早版本，则绝对应该将此扩展添加到您的工具包中。

使用 Debugger 扩展，几乎可以实现您对调试器期望的所有功能，包括可视化调试和断点设置。因此，您应该安装它，或者您已经拥有它，因为您使用的是最新版本的 JupyterLab。

Tabnine for JupyterLab

通过自动完成功能，编写代码可能会更容易，尤其是当您刚开始学习时。由于缺乏自动完成，会鼓励使用更短的命名模式，这可能不如节省输入方法名称的时间来得好。

自动完成是高效开发环境的必要组成部分。使用机器学习，TabNine 可以智能地预测您接下来可能想写的内容，甚至在您开始输入变量或方法名称之前。如果您记住了您忘记如何调用的库的方法名称，您可以节省大量谷歌搜索的时间。

jupyterlab-git: JupyterLab 的 Git 扩展

如果您在编写任何代码时（即使只有几行）不使用 Git，那将是愚蠢的。Git 让您能够随着时间的推移监控更改，这样您就可以确保您的代码不会被意外更改、重写或丢失。没有 Git 进行编码就像是在玩弄墨菲定律。

Jupyter 的 Git 插件是软件内的一个简洁集成。从 Jupyter 内部使用 Git 更快、更简单，它会鼓励您更频繁地推送代码更改。这可以帮助您避免丢失工作，并使您能够进行更精确的调整，万一出现问题，您可以回滚。

jupyterlab-google-drive: 使用 Google Drive 为 JupyterLab 提供云存储

Google Drive 在许多情况下都很有用。它是一种快速简便的方法来使用与您共享或您与他人共享的文件，特别是对于不熟悉 Git 的非技术人员。借助此 Google Drive 扩展，您可以在 Jupyter 中完成所有任务。在全面的工作环境中，一切都将更加顺畅。

jupyterlab_code_formatter: JupyterLab 的通用代码格式化器

代码格式化器是提高代码可读性的有用工具。格式化器不仅在团队协作场景中派上用场，而且当您回顾和检查代码时，格式正确的代码也更容易阅读。

该插件能够连接多个外部规则，因此作为一个通用代码格式化器运行。

Code formatter 是一个基于 Python tokenize 模块的 Python 格式化器。尽管它仍处于早期阶段，但该库被设计成高度可扩展和适应性强的。这最终将发展成为一个全面的 Python 格式化工具。现在，由于 jupyterlab 插件，代码单元格可以受益于此功能。

jupyterlab-variableInspector: Jupyterlab 的变量检查器扩展

调试器扩展通过断点和内核步进器促进故障排除。变量检查器显示了包括代码中的变量和视觉组件在内的各种对象的数值。可以肯定的是，当您第一次遇到编码问题时，您会庆幸拥有一个这样的工具。

jupyterlab_templates: 支持 JupyterLab 中的 Jupyter Notebook 模板

借助此扩展，您可以在 Jupyter Notebook 和 JupyterLab 之间切换。如果您一直在使用 Jupyter Notebook 模板，此插件允许您通过将其转换为 Jupyter Lab 来继续使用它们。即使您是新用户，您可能会发现一些以前的 Jupyter Notebook 模板很有用。您可以使用此扩展来完成。

jupyterlab_tensorboard: Jupyterlab 的 Tensorboard 扩展

如果您正在使用 Tensorboard 进行可视化或希望如此，此插件非常有用。通过使用 Tensorboard 包含您否则无法获得的图表和可视化，可以改进您的演示文稿。请记住，使用 Tensorboard 需要前端和后端扩展。

Jupyter ML-workspace

ML workspace 是一个全面的基于 Web 的集成开发环境，专为数据科学和机器学习而设计。

它使您能够有效地在计算机上开发 ML 解决方案，并且易于实现。此工作区是开发人员的一站式商店，预装了各种流行的数据科学库（包括 Tensorflow、PyTorch、Keras 和 Sklearn）以及开发工具（如 Jupyter、VS Code 和 Tensorboard），所有这些都经过了完美的优化、集成和配置。

JupyterLab 系统监视器

JupyterLab 扩展系统监视器显示系统的内存和 CPU 使用情况。因此，您可以密切关注您的资源使用情况。

此插件通过让您了解您的笔记本服务器及其子进程（终端、内核等）当前使用的资源量，帮助您更好地管理工作负载并优化您的机器学习实验。

我们经常使用 Jupyter Notebook 来运行程序，而我们并没有意识到消耗了多少内存。因此，我们的笔记本电脑经常由于内存问题而冻结并停止工作。现在了解 CPU 和内存使用情况的统计数据将非常有用。

JupyterLab LSP

JupyterLab 扩展 LSP（语言服务器协议）允许您通过启用进程间通信来处理各种语言。

LSP 集成提供了许多具体但有用的特性。

• 当鼠标悬停在某个对象上时，会显示一个工具提示，其中包含函数或类签名、模块文档或语言服务器提供的任何其他信息。
• 诊断：指示关键错误、警告等的颜色。
• 跳转到定义：使用上下文菜单项快速跳转到定义。
• 引用高亮显示：当鼠标悬停在变量、函数等上时，将高亮显示其所有用法。
• 触发时，某些字符将自动完成。
• 自动签名建议
• 无需运行内核的静态分析的先进自动完成功能
• 在笔记本和文件编辑器中重命名变量、函数和其他元素。
• 诊断面板

JupyterLab jupytext

此扩展将一些 Jupytext 命令添加到命令面板。它允许您选择您想要的笔记本的 ipynb/文本组合。虽然这是一个小功能，但它可能会让您更容易找到您的笔记本。

JupyterLab nbgather

JupyterLab 扩展 nbgather 提供了比较 Jupyter Lab 中代码版本、清理丢失代码等的工具。该插件向笔记本中添加了记录您运行的每段代码及其所有结果的信息。

下载该插件后，您可以比较和清理不同版本的代码。

由于 nbgather 仍处于 alpha 开发阶段，可能仍存在一些问题。无论如何，如果您想要整洁一致的笔记本，它值得一试。

JupyterLab NBdime

此 JupyterLab 扩展为比较和合并 Jupyter 笔记本提供了有用的功能。它了解笔记本文件的结构，能够智能地区分和合并笔记本。

下面概述了主要特性：

• 一种方便在终端中比较笔记本的方法
• 三个方向统一笔记本并自动解决冲突
• 查看各种精心绘制的笔记本。
• 为笔记本提供基于 Web 的三向合并工具。
• 以方便终端查看的方式查看笔记本。

JupyterLab LaTeX

借助 JupyterLab 扩展 LaTeX，可以实时编辑 LaTeX 文档。

您可以通过 jupyter notebook configuration.py 文件修改扩展默认使用的命令（在服务器上为 xelatex）。您还可以自定义基于 Bibtex 的参考文献。

通过使用外部 shell 命令来执行任意代码的能力是您可能需要个性化的另一个功能。

JupyterLab HTML

JupyterLab 扩展 mime-renderer 在 IFrame 选项卡中渲染 HTML 文件。双击文件浏览器中的 .html 文件即可查看生成的 HTML。JupyterLab 选项卡将打开文件。

JupyterLab Plotly

使用 JupyterLab 插件 Plotly 渲染 Plotly 图表。

您可以监视 jupyter-renderers 目录并在 watch 模式下运行 JupyterLab，以监视扩展源中的更改，并让它自动重建扩展和应用程序。

JupyterLab Bokeh

用于创建 Bokeh 可视化的 Jupyter 扩展在我们的列表中排名第一。

JupyterLab 目录

虽然 JupyterLab 目录扩展在技术上可能不是什么大事，但当您向下滚动并搜索信息时，它可能会为您节省大量时间。

如果打开了笔记本或 Markdown 文档，它会自动在左侧创建目录。可以滚动到相应的标题，并且条目是可点击的。

JupyterLab 可折叠标题

Collapsible Headings 是一个有用的扩展，可以让您使标题可折叠。通过单击标题单元格左侧出现的插入符号图标或使用快捷键（即以字母或数字开头的 Markdown 单元格），您可以折叠或展开选定的标题单元格。

JupyterLab SQL

最后，jupyterlab-sql 扩展为 JupyterLab 添加了一个 SQL 用户界面。通过点击界面的方式，您可以检查您的表并使用自定义查询来读取和修改您的数据库。

Jupyter Dash

Jupyter Dash 库促进了在 Jupyter 环境（例如传统的 Notebook、JupyterLab、Visual Studio Code 笔记本、PyCharm 笔记本等）中使用 Dash 应用程序的开发。

它包含许多有用的特性，包括：

• 非阻塞执行
• 显示模式：JupyterLab、外部和内联
• 当在线应用程序的代码发生更改时，“热重载”功能允许程序立即更新自身。
• 用于显示属性验证错误和回调中触发的异常的接口称为错误报告。
• Jupyter 代理检测
• 生产部署
• 企业版 Dash 工作区

JupyterLab 电子表格

作为一名数据科学家或数据工程师，您有时需要处理电子表格。为了在 Jupyter 编码和 Excel 查看之间切换，我们必须在多个程序之间切换，因为 Jupyter 无法原生读取 Excel 文件。

Jupyterlab-spreadsheet 巧妙地解决了这个问题。Jupyter Lab 的内置 xls/xlsx 电子表格查看功能满足了我们的所有需求，让我们可以在任何地方查看电子表格。

JupyterLab Matplotlib

Matplotlib 是任何数据科学家都必须学习使用的 Python 包。这个 Python 数据可视化程序简单但效率很高。也就是说，当我们使用 Jupyter Lab 时，交互元素就消失了。

结论

最佳 JupyterLab 扩展是那些扩展功能并改善用户体验的扩展。一些关键的扩展包括 JupyterLab Git 用于更好的版本控制，JupyterLab LSP 用于通过语言服务器协议辅助编码，Plotly 用于更丰富的绘图，JupyterLab Debugger 用于调试，JupyterLab Table of Contents 用于导航，以及 JupyterLab-Latex 用于 LaTeX 处理。在项目管理方面，JupyterLab Google Drive 还集成了云存储，这在文件组织方面很方便。所有这些扩展都提供了旨在提高 JupyterLab 生产力的解决方案，并为数据科学、开发和文档记录提供了强大的工具。