n款好用的Jupyter插件，建议收藏

文&＃xff1a;yuvipanda  

译&＃xff1a;机器之心&＃xff08;一鸣、思源&＃xff09;

当有人说&＃xff1a;「你可以用 Jupyter 扩展解决这个问题」&＃xff0c;他们可能没有说清楚是什么样的扩展。Jupyter 生态系统是非常模块化且具有扩展性的&＃xff0c;所以有很多种扩展方式。这个博客希望能总结最常用的 Jupyter 扩展&＃xff0c;并帮助你发掘生态系统中的新功能。

JupyterLab 扩展

在 JupyterLab 中用 jupyterlab-drawio 扩展绘图

JupyterLab 是广受欢迎的 Jupyter Notebook「新」界面。它是一个交互式的开发环境&＃xff0c;可用于笔记本、代码或数据&＃xff0c;因此它的扩展性非常强。使用相关的扩展&＃xff0c;可以添加一整套新功能&＃xff0c;或者完全改变界面的运行方式。这些扩展是基于 TypeScript 或 Javascript 写的&＃xff0c;它们在浏览器里运行。

经典的 Jupyter Notebook 扩展

Jupyter Notebook 中的内容列表扩展

人们总是会想到经典的 Jupyter 笔记本界面&＃xff0c;但实际上&＃xff0c;你可扩展它的各个模块。这些 Javascript 客户端可以让你按照自己的想法添加或改变功能&＃xff0c;它们和 JupyterLab 扩展是一样的。

笔记本服务器扩展&＃xff08;serverextention&＃xff09;

和前两种扩展不同&＃xff0c;Jupyter 笔记本的服务器扩展使用 Python 语言编写&＃xff0c;并加入了很多服务端的功能&＃xff0c;以下有两个主要的例子。

在 JupyterLab 中预览 LaTeX 内容

预览 LaTeX

第一个是一个为 JupyterLab 或经典的 Jupyter 笔记本提供的后端扩展——jupyterlab-latex。它可以在 JupyterLab 中预览 LaTeX 文件。它有一个和 JupyterLab 文本编辑器集成的扩展&＃xff0c;以及一个后端服务器扩展&＃xff0c;可以运行 LaTeX 命令&＃xff0c;并在前端显示效果。

集成网络应用

第二个则是为提供服务端处理提供用户界面的扩展。因为服务网扩展可以作为任意 TornadoHTTP handler&＃xff0c;因此任何你想得到的网络应用都可以写成一个 Jupyter 服务扩展。这里的例子是 npgipuller&＃xff0c;提供了用户界面&＃xff0c;可以将 git 代码仓库发布给用户。

Jupyter 内核

你可能已经很熟悉在 Jupyter 笔记本中使用 Python 语言了&＃xff0c;其实你可以在其中运行很多语言&＃xff1a;R、Julia、Javascript、Octave、Scala/Spark、C&＃43;&＃43;、bash&＃xff0c;甚至是 Matlab。这些都被称作内核。你可以为自己常用的编程语言写一个内核&＃xff0c;将 Jupyter 协议直接用在上面&＃xff0c;用 metakernel 项目打包&＃xff0c;或者用 Xeus 打包成 C&＃43;&＃43;依赖。内核制作好以后&＃xff0c;它可以在任何一个 Jupyter 前端运行&＃xff0c;包括经典笔记本、JupyterLab、 nteract、Jupyter 命令行等。

IPython Magics

如果你在笔记本里写过如%matplotlib inline 这样的命令&＃xff0c;那么你已经尝试过 IPython 功能了。这些命令就像是 Python 中的宏&＃xff08;macro&＃xff09;——你可以写定制化的代码&＃xff0c;将剩余的代码块独立出来&＃xff0c;然后做自己想做的事情。

这种魔术函数从% 开始&＃xff0c;然后通过% 后面的代码发挥功能。例如%cd somedirectory 可以切换 Python 运行中的文件目录。代码块功能从%% 开始&＃xff0c;并运行后面的整个块。%%timeit 应该是最著名的&＃xff0c;它可以提供运行代码块的时间。

你也可以构建自己的魔术函数。例如&＃xff0c;ipython-sql (https://github.com/catherinedevlin/ipython-sql) 包提供%%sql 命令&＃xff0c;可以和 sql 数据库无缝工作。然而&＃xff0c;和之前列出的扩展不同&＃xff0c;IPython 的命令只能在有 IPython 内核的环境工作。

IPython 小工具

用 drop down 玩转绘图功能。

IPython 小工具为 Jupyter 笔记本和 IPython 内核提供了 GUI 工具。这些工具可以让你在共享笔记本时&＃xff0c;使用 GUI 调试&＃xff0c;而非使用代码。如果和其他工具&＃xff0c;如 voila 联用&＃xff0c;你可以制作一个类似仪表盘一样的应用&＃xff0c;其他人可以直接使用&＃xff0c;甚至都不知道这是一个 Jupyter 笔记本。

你可以自己定制一些工具&＃xff0c;为其他人提供领域内的动态可视化。例如&＃xff0c;你可以用 ipyleaflet 制作动态地图&＃xff0c;用 itk-jupyter-widget 动态地研究图像分割/配准任务&＃xff0c;或者用 pythreejs 建模 3D 目标。

内容管理器

内容管理器决定了你读写文件时的操作。默认情况下&＃xff0c;管理器从本地文件系统中读写文件&＃xff0c;但是一个定制化的管理器可以从其它地方读写文件&＃xff0c;如 Amazon S3 / Google Cloud Storage、PostgreSQL、HDFS 等。你可以通过 web 界面读写它们&＃xff0c;就好像文件在本地一样。

我最喜欢的内容管理器是 Jupytext。在你读写.ipynb 的文件时&＃xff0c;它会将其转换为.py 文件&＃xff0c;并保持文件同步。在你 IDE 中对一个.py 文件进行了很多编辑后&＃xff0c;可以自动在笔记本中看到这些更新&＃xff0c;这是很神奇的事情。

Jupytext: .ipynb 或者 .py? 我全都要

扩展 JupyterHub

JupyterHub 是多用户应用&＃xff0c;可以使用于教学、实验室或者生产中。这些组织很可能有其它系统&＃xff0c;所以 Jupyter 需要和这些系统集成到一起。以下是一些扩展 JupyterHub 的简单方法。

认证器

JupyterHub 是一个多用户应用&＃xff0c;所以用户需要登录&＃xff0c;认证器的工作是对登录用户进行身份验证。现在已经有许多流行的验证器了&＃xff0c;如 LDAP、OAuth&＃xff08;Google、GitHub、CILogon、Globus、Okta、Canvas 等&＃xff09;。你可以写一个自己需要的认证器&＃xff0c;因此 JupyterHub 可以覆盖各种使用场景。

生成器&＃xff08;Spawner&＃xff09;

如果使用一个可插拔的生成器&＃xff0c;你可以用很多方法给每个用户提供 Jupyter 笔记本服务器。你可能让他们从一个节点生成 Docker 容器、将它们连接到 Kubernetes 上、让它们使用你的 HPC 集群、或者使用你的 Hadoop 或者 Spark 集群、用 systemd 提供服务、或者直接将这些服务器视为不同的 Linux 用户。这些生成器一般都很容易定制参数&＃xff0c;当然你也可以自己写一个。

服务

你有时希望给 JupyterHub 用户提供额外服务——在闲置时回收资源&＃xff0c;或者让他们发布笔记本。你可以运行一个 JupyterHub Service 来提供这些服务。用户可以发起请求&＃xff0c;而服务也可以向 JupyterHub 发起 API 请求。这些可以是直接的请求&＃xff0c;或者网络服务。例如&＃xff0c;BinderHub (https://github.com/jupyterhub/binderhub) 是 JupyterHub 服务中的一种。

NBConvert Exporter

Nbconvert 扩展可以令笔记本格式的文件和其他格式相互转换。如果你导出笔记本到 PDF、LaTeX、HTML 或者 nbviwer 的话&＃xff0c;你已经使用了这个扩展。在这个扩展里&＃xff0c;对应每一个格式都有一个导出器&＃xff0c;你也可以写一个针对自己格式的导出器&＃xff0c;或者可以利用已有的定制一个。

在写这篇博客时&＃xff0c;我最开心的时刻是发现有 docx 文档&＃xff08;word&＃xff09;导出器。

word 导出器&＃xff1a;https://github.com/m-rossi/jupyter-docx-bundler

Bundler 扩展

很容易就能找到 nbconvert 导出器的方法

Bundler 扩展使你可以在菜单栏添加「下载为」按钮。这个按钮和 nbconvert 导出器联用&＃xff0c;使得导出器更容易被找到&＃xff0c;尽管你可以写一个定制化的扩展&＃xff0c;使笔记本在下载前进行任何操作。例如&＃xff0c;nbreport 扩展提供一个 bundler 扩展&＃xff0c;可以将笔记本格式导出为 HTML。

Repo2Docker

Repo2Docker 扩展将 git 或者其他仓库转换为可重新使用、适合于数据科学的 docker 镜像。网站 mybinder.org&＃xff08;和其他 binderhub 安装包&＃xff09;使用这个扩展构建和运行 Jupyter/RStudio 进程。如下所示&＃xff0c;现在有两种扩展 repo2docker 的方式。

BuildPacks

Repo2docker 会查看代码库中的内容&＃xff0c;并决定如何去构建它。例如&＃xff0c;如果里面有 requirements.txt 文件&＃xff0c;它会设置一个小型 conda 环境&＃xff0c;并把 Python 包安装进去。如果里面有 install.R 文件&＃xff0c;扩展则会保证 R/RStudio 已经安装。写一个 BuildPack (https://repo2docker.readthedocs.io/en/latest/architecture.html#buildpacks) 使你可以将这个功能扩展到你喜欢的编程语言中。

ContentProviders

Repo2docker 中的 repo 部分有点用词不当——实际上你可以将任何程序打包进一个 Docker 镜像中。现在&＃xff0c;它支持 git 本地文件夹和 zenodo (https://zenodo.org/) 代码仓库&＃xff0c;但是你可以为自己喜欢的代码源添加支持&＃xff0c;并制作一个新的 ContentProvider。

只有这些了吗&＃xff1f;

当然不是&＃xff01;Jupyter 生态是一个很大的系统&＃xff0c;一篇博客无法完全覆盖所有内容。这个博客已经少了一些&＃xff0c;如 enterprise gateway 和 TLJH Plugins。Jupyter 的生态是活跃多变的&＃xff0c;很快还有更多好用的扩展出现。

原文链接&＃xff1a;https://blog.jupyter.org/99-ways-to-extend-the-jupyter-ecosystem-11e5dab7c54

分享或在看是对我最大的支持