如果你是使用Python的数据科学家，那么使用JupyterNotebook是大概率事件。作为JupyterNotebook的“下一代”Web应用程序，JupyterLab提供了比以前更方便的功能，其中之一就是扩展。现在，即使是JupyterLab开发团队也对这样一个蓬勃发展的第三方扩展工具社区感到兴奋。在这篇文章中，机器学习工程师兼计算机科学博士ChristopherTao向读者介绍了10个JupterLab扩展，它们可以显着提高典型数据科学家/工程师的工作效率。Top10JupyterLabExtensions目前，大多数在线资源使用以下命令安装JupyterLab扩展：jupyterlabextensioninstall@jupyterlab/...当然，很多人喜欢使用此命令。如果您是VS-Code、Sublime或Atom用户，您可能想要搜索要直接在Organizer中安装的东西。JupyterLab不提供这些功能。如上图所示，您可以转到左侧导航栏上的第4个选项卡，即扩展管理器。然后你可以搜索你需要的扩展。现在总结一下值得推荐的10个JupyterLab扩展。1.JupyterLabDebugger调试指南：https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e61716559Jupyter因其交互性受到很多人的喜欢。但是，调试功能对于编码是必需的。例如，我们可以单步执行一个for循环，看看里面发生了什么。大多数IDE工具都支持这种带有“stepover”和“stepinto”的调试功能，但不幸的是，Jupyter中没有这种功能。“jupyterlab/debugger”就是这样一个扩展，可以让我们弥补JupyterLab中这个缺失的功能。资料来源：https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e617165592。JupyterLab-TOCJupyterLab-TOC项目地址：https://github.com/jupyterlab/jupyterlab-tocnotebook太长了？想让你的笔记本看起来更漂亮？或者想要一个有目录的笔记本？“jupyterlab/toc”帮助您实现它。图源：https://github.com/jupyterlab/jupyterlab-toc/raw/master/toc.gif使用此扩展，目录会根据标有标题的单元格自动生成（确保使用标签##指定您的标题级别）。这也是使用JupyterNotebook使您的工作更加系统和有条理的好方法。3.JupyterLab-DrawIOJupyterLab-DrawIO项目地址：https://github.com/QuantStack/jupyterlab-drawioDiagram.net（原名Draw.IO）是一个画图的工具，确实是一个完美的开源替代品视讯女士。借助jupyterlab-drawio，我们可以在JupyterLab上使用这个工具。图片来源：https://github.com/QuantStack/jupyterlab-drawio/raw/master/drawio.gif4。JupyterLabExecutionTimeJupyterLabExecutionTime项目地址：https://github.com/deshaw/jupyterlab-execute-timeJupyterNotebook/Lab的一个惊人的特点是它提供了很多有用的魔法命令。例如，我们可以使用“%timeit”来测试代码的运行时间。它将运行代码片段数百或数千次并取平均值以确保公平和准确的结果。但有时不需要那么精确。我们只想知道每个单元运行了多长时间，在这种情况下，对每个单元使用“%timeit”就变得不合适了。在这种情况下，我们可以使用“jupyterlab-execute-time”。如上图所示，“jupyterlab-execute-time”不仅显示了执行单元的时间间隔，还显示了最后一次执行的时间。5.JupyterLabSpreadsheetJupyterLabSpreadsheet项目地址：https://github.com/quigleyj97/jupyterlab-spreadsheet作为数据科学家或者数据工程师，你不得不和电子表格打交道。但是Jupyter本身并不支持读取Excel文件，这就逼迫我们打开多个工具，不断在Jupyter编码和Excel之间切换。“jupyterlab-spreadsheet”可以很好的解决这类问题。它在JupyterLab中嵌入了xls/xlsx电子表格查看功能，因此我们可以在一个地方获得所需的一切。图片来源：https://github.com/quigleyj97/jupyterlab-spreadsheet/raw/main/screenshot.png6。JupyterLabSystemMonitorjupyterlab-system-monitor项目地址：https://github.com/jtpio/jupyterlab-system-monitorPython不是一种高效的编程语言，这意味着它可能比其他语言消耗更多的CPU和内存资源。Python最常见的用例之一是数据科学。因此，我们可能想要监控我们自己的系统硬件资源，以注意到Python代码可能会冻结操作系统。jupyterlab-topbar-extension你想要的扩展，它可以在JupyterLabUI的顶部栏显示CPU和内存使用情况，以便我们实时监控。如下动图所示：来源：https://github.com/jtpio/jupyterlab-system-monitor/raw/main/doc/screencast.gif7。JupyterLabKiteJupyterlab-kite项目地址：https://github.com/kiteco/jupyterlab-kite尽管我很喜欢Jupyter，但它不像其他经典的IDE工具那样提供代码补全功能。Jupyter的代码完成非常有限且缓慢。您可能听说过Kite，这是一种免费的AI驱动的代码完成服务，几乎所有流行的IDE工具（如Sublime、VSCode和PyCharm）都提供该服务。您还可以通过jupyterlab-kite(https://github.com/kiteco/jupyterlab-kite)扩展在JupyterLab中使用此功能。图片来源：https://github.com/kiteco/jupyterlab-kite8。JupyterLabVariableInspectorjupyterlab-variableInspector项目地址：https://github.com/lckr/jupyterlab-variableInspector如果你是从Rstudio或Matlab切换到JupyterLab如果你是数据科学家，你很可能熟悉这些工具提供的变异检测器。不幸的是，JupyterLab默认不支持此功能。这时候jupyterlab-variableInspector扩展又可以支持这个功能了。资料来源：https://github.com/lckr/jupyterlab-variableInspector/raw/master/early_demo.gif9。JupyterLabMatplotlibMatplotlib/ipympl项目地址：https://github.com/matplotlib/ipympl如果你是一名数据科学家，那么Matplotlib是必学的Python库。这个库是Python中一个基本但功能强大的数据可视化工具。但是当我们使用JupyterLab时，交互功能就消失了。jupyter-matplotlib扩展使Matplotlib再次具有交互性。只需输入一个神奇的命令%matplotlib小部件来启动它，您漂亮的3D图表就会变得交互式。如下动图所示：来源：https://github.com/matplotlib/ipympl/raw/master/matplotlib.gif10。JupyterLabPlotlyPlotly使用指南：https://plotly.com/python/getting-started/#jupyterlab-support-python-35虽然Matplotlib是最基础和强大的数据可视化库，但在这方面我最喜欢的是Plotly库。这个库封装了很多常用的图表，我们只需几行代码就可以生成精美的图表。为了让JupyterLab无缝支持和显示交互式Plotly图表，用户需要安装jupyterlab-plotly。原文链接：https://towardsdatascience.com/10-jupyter-lab-extensions-to-boost-your-productivity-4b3800b7ca2a（id：almosthuman2014）》】点此阅读作者更多好文
