Полный курс Python для начинающих – с нуля до специалиста | Задание 8 из 165
Урок 1.8. Jupyter Notebook не запускается через Anaconda Navigator?
Остались вопросы? Задайте ваш вопрос в сообщество студентов beONmax! Задать вопрос
О курсе Python для начинающих — от новичка до специалиста
- О курсе. Как проходит обучение по курсу. Чему вы научитесь 04:19
1. Введение в Python
- 1.1 Почему Python? 04:24
- 1.2 Python с технической точки зрения 07:26
- 1.3 Python 2 vs Python 3 03:04
- 1.4 Стандартная библиотека 03:35
- 1.5 Редакторы кода для Python 04:42
- 1.6 Инсталлируем дистрибутив Anaconda 04:06
- 1.7 Введение в Anaconda 08:40
2. Основы Python
- 2.1 Обзор основных типов данных 07:31
- 2.2 Числа и элементарная математика 07:58
- 2.3 Переменные 06:19
- 2.4 bool и None 07:23
- 2.5 Тип string 20:59
- 2.6 Функции string 23:45
- 2.7 Форматирование строк 09:42
- 2.8 Операторы сравнения 12:59
- 2.9 Операции над файлами 23:12
- 2.10 Строки и байты: str, bytes, bytearray 17:57
- 2.11 Тестирование 00:15
- 2.11 Тестирование 00:15
- 2.11 Тестирование 00:15
- 2.11 Тестирование 00:15
- 2.11 Тестирование 00:15
- 2.12 Практическое задание «Основы»: Элементарная арифметика 01:00
- 2.12 Практическое задание «Основы»: Элементарная арифметика — Решение 01:00
- 2.13 Практическое задание «Основы»: Объявление переменных 01:00
- 2.13 Практическое задание «Основы»: Объявление переменных — Решение 01:00
- 2.14 Практическое задание «Основы»: Работа со строками 01:00
- 2.14 Практическое задание «Основы»: Работа со строками — Решение 05:00
- 2.15 Практическое задание «Основы — 2» 01:00
- 2.15 Практическое задание «Основы — 2» — Решение 10:55
3. Коллекции, циклы и логика в Python
- 3.1 list — список 15:52
- 3.2 dict — словарь 17:14
- 3.3 OrderedDict vs dict 08:32
- 3.4 tuple — кортеж 06:12
- 3.5 namedtuple — именованные кортежи 07:46
- 3.6 Логика с условиями 08:18
- 3.7 set — множество 18:02
- 3.8 Цикл for 17:27
- 3.9 list comprehension 17:34
- 3.10 Цикл while, continue, break 07:22
- 3.11 Практическое задание «Циклы» 01:00
- 3.11 Практическое задание «Циклы» — Решение 04:55
- 3.12 Практическое задание «Циклы — 2» 01:00
- 3.12 Практическое задание «Циклы — 2» — Решение 13:24
- 3.13 Практическое задание «Циклы. Определяем Flush» 01:00
- 3.13 Практическое задание «Циклы. Определяем Flush» — Решение 15:01
- 3.14 Практическое задание «Циклы. Палиндром» 01:00
- 3.14 Практическое задание «Циклы. Палиндром» — Решение 05:42
- 3.15 Практическое задание «Игра Угадай число» 01:00
- 3.15 Практическое задание «Игра Угадай число» — Решение 07:45
- 3.16 Практическое задание «Игра Камень-ножницы-бумага» 01:00
- 3.16 Практическое задание «Игра Камень-ножницы-бумага» — Решение 09:37
- 3.17 Тестирование 00:15
- 3.17 Тестирование 00:15
- 3.17 Тестирование 00:15
- 3.17 Тестирование 00:15
- 3.17 Тестирование 00:15
- 3.17 Тестирование 00:15
4. Функции и модули
- 4.1 Помощь по функциям 04:27
- 4.2 Встроенные функции 21:40
- 4.3 Основы функций 20:36
- 4.4 Лямбды 15:42
- 4.5 Вложенные функции и область видимости переменных 12:19
- 4.6 Декораторы 16:30
- 4.7 Декоратор @wraps 06:30
- 4.8 Тестирование 00:15
- 4.8 Тестирование 00:15
- 4.8 Тестирование 00:15
- 4.8 Тестирование 00:15
- 4.8 Тестирование 00:15
- 4.8 Тестирование 00:15
- 4.8 Тестирование 00:15
- 4.8 Тестирование 00:15
- 4.9 Практическое задание «Функции» 01:00
- 4.9 Практическое задание «Функции» — Решение 15:35
- 4.10 Практическое задание «Игра В палочки» 01:00
- 4.10 Практическое задание «Игра В палочки» — Решение 12:52
5. Ошибки и исключения. Автоматизированные тесты
- 5.1 Основы обработки ошибок 23:00
- 5.2 Выброс исключений. Кастомные типы исключений 12:10
- 5.3 Основы юнит-тестирования 10:04
- 5.4 Тестирование 00:15
- 5.4 Тестирование 00:15
- 5.4 Тестирование 00:15
- 5.4 Тестирование 00:15
- 5.4 Тестирование 00:15
6. ООП в Python
- 6.1 Основы классов 11:52
- 6.2 Атрибуты и методы 07:43
- 6.3 Константы. Защищённые и приватные атрибуты. Свойства 23:05
- 6.4 Статические методы — @staticmethod, @classmethod 22:27
- 6.5 Наследование и полиморфизм 16:08
- 6.6 Множественное наследование 17:45
- 6.7 Миксины 11:34
- 6.8 Абстрактный класс и модуль ABC 11:00
- 6.9 Магические методы 05:05
- 6.10 Практическое задание «Классы» 01:00
- 6.10 Практическое задание «Классы» — Решение 13:14
- 6.11 Практическое задание «Классы — 2» 01:00
- 6.11 Практическое задание «Классы — 2» — Решение 17:55
- 6.12 Практическое задание «Игра Крестики-нолики» 01:00
- 6.12 Практическое задание «Игра Крестики-нолики» — Решение 12:39
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
- 6.13 Тестирование 00:15
7. Модули и пакеты
- 7.1 PyPi и Pip 04:30
- 7.2 Модули и пакеты 12:29
- 7.3 Ещё раз о __name__ и __main__ 06:34
- 7.4 Тестирование 00:15
- 7.4 Тестирование 00:15
- 7.4 Тестирование 00:15
- 7.4 Тестирование 00:15
8. Дополнительно
- 8.1 Отладка 07:36
- 8.2 Реализуем Stack 09:22
- 8.3 datetime — даты и время 20:07
- 8.4 Singleton Design Pattern: __new__ and __init__ 12:29
- 8.5 Pickle — консервирование 10:55
- 8.6 repr and str, eq and ne, eval 16:27
- 8.7 Deep copy vs Shallow copy 19:19
- 8.8 Enum — перечисления 12:07
- 8.9 Работаем с JSON 27:51
- 8.10 Генераторы 17:44
- 8.11 Модуль intertools 44:08
- 8.12 Интроспекция 10:43
- 8.13 Модуль requests 25:47
- 8.14 Управление памятью 11:58
- 8.15 Тестирование 00:15
- 8.15 Тестирование 00:15
- 8.15 Тестирование 00:15
- 8.15 Тестирование 00:15
9. Движемся дальше
- 9.1 Введение в Линтеры 13:10
- 9.2 Установка «системного» Python 04:51
- 9.3 Виртуальное окружение 11:56
- 9.4 Установка PyCharm 08:37
- 9.5 Создаём проект в PyCharm 04:57
- 9.6 Refactoring, Quick Fixes, Debugging в PyCharm 14:27
- 9.7 Type Hints 18:55
- 9.8 Введение в dataclasses 07:06
10. Что нового в Python 3.8
- 10.1 Обзор нововведений 13:20
- 10.2 Устанавливаем Python 3.8 и создаём проект 01:44
- 10.3 Walrus-оператор 10:32
- 10.4 Навязывание позиционных аргументов 16:52
- 10.5 Улучшения в системе type hints 22:06
- 10.6 Перегрузка с @overload 08:54
- 10.7 Duck Typing и протоколы 08:28
- 10.8 Упрощённый вывод значений в интерполированных строках 05:48
11. Финальная практика
- 11.1 Практическое задание 01:00
- 11.1 Практическое задание — Решение 16:02
- 11.2 Практическое задание «Пагинация» 01:00
- 11.2 Практическое задание «Пагинация» — Решение 14:19
- 11.3 Практическое задание «Парсинг римских чисел» 01:00
- 11.3 Практическое задание «Парсинг римских чисел» — Решение 07:46
- 11.4 Практическое задание «Игра Виселица» 01:00
- 11.4 Практическое задание «Игра Виселица» — Решение 32:55
- 11.5 Практическое задание «Игра Верю-не-верю (истина или ложь)» 01:00
- 11.5 Практическое задание «Игра Верю-не-верю (истина или ложь)» — Решение 31:17
Завершение курса — Получение Сертификата
- Онлайн курсы программирования и создания сайтов с нуля. Обучение основам разработки и веб-программирования для начинающих. Включайся!
- О проекте
- Связаться с нами
- Политика конфиденциальности
- Условия использования
- Цены и оплата
- Все курсы
- Профессии
- Блог
- Вопросы-ответы
- Отзывы
- Партнерская программа
- HTML / CSS
- ВЕБ-разработчик — с нуля до результата!
- Верстальщик сайтов — HTML, CSS, Bootstrap, JavaScript
- JavaScript — полный курс с нуля до результата!
- PHP / MySQL
- Полный курс Python для начинающих – с нуля до специалиста
- WordPress – с нуля до Профи!
- МЕГАКУРС по рекламе: Яндекс Директ, Google Реклама, ВКонтакте, Facebook+Instagram
- Полный курс Android + Java для начинающих
- SQL и PostgreSQL для начинающих
- Программирование на C# – от новичка до специалиста
- Веб Дизайн в Figma. Основы Ui Ux дизайна на практике
- Основы HTML/CSS — верстка сайтов с нуля
- Django 3 — Full Stack разработка веб сайтов на Python
- BOOTSTRAP
- Photoshop для начинающих Веб-дизайнеров
- Adobe Illustrator с нуля – основы дизайна для начинающих
- Программирование на Java с нуля
- React с нуля для начинающих + 3 проекта в портфолио!
- Настройка рекламы и продвижение Facebook+Instagram
- Настройка таргетированной рекламы и продвижение ВКонтакте
- Настройка рекламы Яндекс Директ — продвижение сайтов
- Настройка рекламы Google — продвижение сайтов
- Практический JavaScript — продвинутый уровень
- Полный курс Python – продвинутый уровень + SQL
- Алгоритмы и структуры данных от А до Я
- Посадка верстки и создание тем на CMS WordPress
- Программирование на Java с нуля — Уровень 2 + 10 собеседований
- Android разработчик – профессиональный уровень (Kotlin)
- Инструменты Веб-разработчика
- GIT. Управление версиями для разработчиков
- React JS для начинающих + Redux
- Adobe Illustrator с нуля – Уровень 2 – продвинутая практика
- Figma для Веб дизайнера — с нуля до профессионала
- Веб Дизайн в Figma 2022 Продвинутый уровень. Создание Ui Kit
- WordPress – Быстрый старт!
- Шаблоны проектирования на Python
- Kotlin — Быстрый старт!
- Создание административной панели на React JS + PHP
- Linux / GIT
- JavaScript / jQuery
- CodeIgniter
- Шаблонизатор Pug/jade — современный ускоритель для HTML
2023 © beONmax.com — All rights reserved.
Не могу запустить Jupyter Notbook
Не могу запустить Jupyter Notbook. C:\Users\Влад\jupyter>jupyter-notebook «jupyter-notebook» не является внутренней или внешней командой, исполняемой программой или пакетным файлом. Устанавливал через pip install jupyter Всё установилось корректно ОС:Windows 10
Отслеживать
задан 7 ноя 2020 в 13:06
vlad kushniruk vlad kushniruk
1 1 1 золотой знак 1 1 серебряный знак 1 1 бронзовый знак
jupyter notebook — раздельно и без дефиса
7 ноя 2020 в 13:11
C:\Users\Влад>jupyter notebook «jupyter» не является внутренней или внешней командой, исполняемой программой или пакетным файлом. C:\Users\Влад>
7 ноя 2020 в 14:16
2 ответа 2
Сортировка: Сброс на вариант по умолчанию
Проверяем, что пакет дейсвительно установлен в системе
~> pip show jupyter Получаем что-то вроде такого вывода, обращаем внимание на Location :
Name: jupyter Version: 1.0.0 Summary: Jupyter metapackage. Install all the Jupyter components in one go. Home-page: http://jupyter.org Author: Jupyter Development Team Author-email: [email protected] License: BSD Location: c:\users\alex\appdata\roaming\python\python39\site-packages Requires: ipywidgets, jupyter-console, nbconvert, ipykernel, notebook, qtconsole Required-by: Если все хорошо, то можно запустить Jupyter через команду python -m notebook
Причина, почему он нормально не запускается в том, что в переменную окружение не попал путь до запуска исполняемого файла. Переходим в путь, куда python устанавливает пакеты ( Location из вывода выше). Переходим на директорию выше, там должна быть папка ‘Scripts’, где лежит jupyter.exe .
Чтобы запускать как обычно, добавляем эту папку Scripts в переменные окружения PATH, после должен работать обычный ~> jupyter notebook и ~> jupyter-notebook .
Как запустить Jupyter Notebook с GitHub
Jupyter Notebooks становятся стандартом де факто для программирования в области ИИ, машинного обучения и Data Science. Они также очень эффективны в обучении, используя принцип литературного программирования для сочетания в одном документе программного кода и его описания. В этой статье я опишу несколько способов запуска Jupyter Notebooks, как локально на вашем компьютере, так и в облаке.
Ранее, в статье про Azure Notebooks, я описывал как можно удобно запускать код онлайн и делиться кодом с помощью этого инструмента. К сожалению, этот сервис превратился в более профессиональное решение, но необходимость запускать Jupyter Notebooks осталась. Рассмотрим, как же можно запустить Jupyter Notebook.
Просто посмотреть
Если вы просто хотите посмотреть на код в ноутбуке, не запуская его — это очень просто! Если код расположен в репозитории GitHub — просто откройте файл .ipynb , и его содержимое будет показано прямо в браузере.
Можно также использовать nbviewer для просмотра ноутбуков. Для этого нужно будет ввести онлайн имя/репозиторий на GitHub, либо любую URL, доступную через интернет. Вот пример того, как выглядит репозиторий GitHub при открытии в nbviewer.
Ещё одной хорошей опцией будет использовать Visual Studio Code, в которой возможность просмотра ноутбуков встроена “из коробки”. Если Visual Studio Code не установлена — можно использовать онлайн-версию vscode.dev, или github.dev.
GitHub.dev — это отличный способ открыть любой репозиторий в режиме Visual Studio Code для простого редактирования файлов. Для этого достаточно в адресе репозитория заменить github.com на github.dev . Заодно становится доступным просмотр ноутбуков.
Запуск локально или в облаке
В большинстве случае вам захочется не только посмотреть, но и запустить Jupyter notebooks, изменить код и посмотреть, как он работает. В этом случае — читайте дальше!
- Установить всё необходимое окружение у себя на компьютере
- Использовать облачные сервисы
В первом случае у вас есть полный контроль над окружением, файлами и вычислительными ресурсами, но придётся потратить некоторое время на установку. Во втором случае, вы будете использовать чьи-то вычислительные ресурсы, и скорее всего количество бесплатных ресурсов, доступных вам, будет ограничено. Зато не потребуется установка ПО, и вы сможете начать работать за считанные минуты.
Локальная установка
Если вы работаете в области ИИ, машинного обучения или Data Science, у вас уже скорее всего установлена среда Python. Иметь Python на своём компьютере — это в любом случае хорошая идея, поскольку велика вероятность, что она вам рано или поздно понадобится.
Проще всего установить Python с помощью дистрибутива Miniconda. Хотя большинство обычно рекомендует ставить Anaconda, которая включает в себя большое количество библиотек, я всегда рекомендую начинать с “голой” установки Python, а все библиотеки устанавливать по мере необходимости. У Miniconda размер первоначального установщика всего 50 Mb, в противовес почти 500 Mb у Anaconda.
Установив Miniconda, будет необходимо установить Jupyter:
conda install -c conda-forge notebook pip install notebook После установки, перейдите в папку с вашими ноутбуками, и запустите Jupyter:
jupyter notebook Откроется окно браузера, и можно начинать работать!
В некоторых репозиториях GitHub есть файл requirements.txt , содержащий сведения о необходимых для работы проекта библиотеках. В этом случае рекомендуется перед запуском ноутбука установить эти библиотеки командой
pip install -r requirements.txt Возможно, вместо классического Jupyter, вы захотите установить JupyterLab, его более продвинутую версию.
pip install juputerlab jupyter-lab 
JupyterLab больше напоминает полноценную среду разработки, позволяя вам, помимо ноутбуков, редактировать скрипты Python, текстовые файлы и многое другое.
Поддержка языков .NET
Jupyter поддерживает много различных языков программирования в дополнение к Python. Если вы хотите использовать C# или F#, вы можете установить .NET Interactive. Установка поддержки .NET для Jupyter описана здесь
Используем Visual Studio Code
Редактировать и исполнять ноутбуки в браузере — не лучшая идея. Намного больше возможностей доступно при использовании Visual Studio Code, в которой есть отличная поддержка Jupyter Notebooks, с возможностью просмотра значений переменных, отладки и т.д. Для выполнения ноутбуков, вам нужно будет установить расширение Python (или расширение .NET, для C#/F#). Вам также понадобится установленное на вашем компьютере Python-окружение, описанное в предыдущем разделе.
Вот ещё немного документации по использованию Jupyter в VS Code.
Установка Python на ваш компьютер — хорошее решение в долгосрочной перспективе, но если вы хотите запустить ноутбук по-быстрому — имеет смысл использовать облачное окружение. Вам не придётся ничего устанавливать на свой компьютер, и вы сможете наслаждаться работой уже через несколько минут. Иногда имеет смысл использовать облачные окружения даже тогда, когда у вас есть Python — например, чтобы избежать конфликта библиотек и запустить ноутбук в “чистом” окружении.
MyBinder
MyBinder.org позволяет вам создать виртуализированное (точнее, контейнеризованное) окружение Jupyter из любого GitHub-репозитория. Вы просто вводите GitHub URL, а Binder создаст контейнер и запустит среду Jupyter. Многие репозитории с ноутбуками даже содержат кнопку Launch Binder, позволяющую вам открыть проект в Binder автоматически.
Binder попытается создать окружение, наилучшим образом подходящее для вашего проекта. Например, если в репозитории есть файл requirements.txt с описанием необходимых библиотек, они будут автоматически установлены. Более тонко можно настраивать конфигурацию с помощью файлов в директории binder — вплоть до описания Docker-контейнера, который необходимо собрать для запуска.
GitHub Codespaces
GitHub Codespaces — это новая встроенная в GitHub возможность открывать любой репозиторий в виртуализированном облачном окружении, доступном через среду VS Code в браузере или настольной версии. В настоящий момент Codespaces функционируют в режиме бета-тестирования, предоставляя индивидуальным пользователям некоторый объем бесплатных вычислительных ресурсов.
Datalore, CoCalc и др.
- JetBrains Datalore предоставляет некоторый объем бесплатных вычислительных ресурсов (в настоящий момент — 120 часов в месяц), а также некоторое количество GPU. Вам придётся предварительно загрузить ваши ноутбуки в рабочую область Datalore.
- CoCalc — это полноценное окружение для специалистов по Data Science, поддерживающее несколько популярных языков, таких как R, Julia и Sage, систему символьной компьютерной алгебры. Вы также можете запускать ограниченный набор GUI-приложений Linux и редактировать тексты в LaTeX. Я ранее писал про CoCalc в моей заметке про использование систем символьной алгебры для школьников.
- Про Google Colab вы скорее всего и так уже знаете, поэтому я не буду здесь его подробно описывать.
Заключение
- Установить Python-окружение на ваш компьютер, и использоват интерфейс Jupyter/JupyterLab в браузере, или Visual Studio Code
- Запустить в облачной среде онлайн, используя Binder, или одну из описанных выше опций.
У обоих подходов есть свои позитивные и негативные стороны, и я надеюсь, что после прочтения этой заметки вы сможете легко выбрать для себя оптимальный способ запуска Jupyter Notebooks.
Dmitri Soshnikov 2021-09-08 EDUCATION
jupyter notebooks
Секрет оптимизации процесса написания кода на Python в Jupyter Notebook, который все знают, но мало кто использует
Время – самый ценный ресурс, а также невосполнимый. Чаще всего осознание этого приходит в момент, когда истекает крайний срок выполнения поставленной задачи. Тогда мы начинаем анализировать, на что было оно потрачено, насколько рационально и была ли возможность сделать быстрее. Если данную ситуацию рассматривать с позиции IT-специалиста, то, на мой взгляд, поставленную задачу можно поделить на три этапа:
6.6K открытий
- «План» – разработать алгоритм решения и определить необходимые ресурсы;
- «Кодинг» – написать скрипт или SQL-запрос в зависимости от поставленной задачи;
- «Результат» – получить и проанализировать результат, в случае ошибки или медленной работы, провести отладку или оптимизацию.
Для каждого этапа существуют методы и инструменты, с помощью которых можно сократить временные трудозатраты, но более подробно хочу остановиться на этапе кодинга. Ведь на скорость, кроме высокого уровня владения языком программирования и наличие опыта, влияет уровень знания инструмента, в котором пишется код. Поэтому, IT-специалисты, которые не изучают доступный функционал своих рабочих приложений, упускают возможность повысить свою производительность.
Далее хочу поделиться своим опытом оптимизации процесса написания кода на Python в Jupyter Notebook.
Начнем с самого простого, что не требует дополнительной настройки, а именно с горячих клавиш (комбинаций кнопок на клавиатуре, при нажатии которых выполняются команды без использования мыши).
Часто используемые команды:
«Alt» + «Enter» – Выполнение текущей ячейки и перевод фокуса на новую ячейку, созданную ниже
«Shift» + «Enter» – Выполнение текущей ячейки и перевод фокуса на следующую
«Ctrl» + «Enter» – Выполнение текущей ячейки и сохранение фокуса на текущей ячейке
«Esc» => Переход из режима редактирования (edit mode) в командный (command mode):
«Esc» => «A» – Добавление пустой ячейки сверху или «B» – Добавление пустой ячейки снизу
«Esc» => «C» – Копирование ячейки и «V» её вставка
«Esc» => «X» – Вырезание ячейки и «V» её вставка
«Esc» => «DD» – Удаления ячейки
«Esc» => «Z» – Отмена удаления ячейки
Для применения к нескольким ячейкам:
«Esc» => «Shift» + «K» или «Up» – Выделение ячеек выше текущей
«Esc» => «Shift» + «J» или «Down» – Выделение ячеек ниже текущей
Для максимального исключения использования мыши:
«Esc» => «Shift» + «M» – Объединение нескольких ячеек
«Ctrl» + «Shift» + «–» – Разделение на несколько ячеек (поставьте курсор перед линией, с которой должна начаться вторая ячейка)
«Esc» => «00» – Перезапуск блокнота
«Esc» => «F» – Поиск и замена информации в ячейках
«Esc» => «Space» – Прокрутка блокнота вниз
«Esc» => «Shift + Space» – Прокрутка блокнота вверх
«Esc» => «1, 2, 3, 4, 5, 6» – Определение заголовка в markdown
«Esc» => «Y, M, R» – Конвертация типов ячеек (Code, Markdown, Raw)
«Esc» => «O» – Включение/Выключение вывода результата в ячейке
«Esc» => «L» – Включение/Выключение номеров строк в ячейке
На случай, если забыли и необходимо подсмотреть:
«Esc» => «H» – Вызывает окно помощь со списком горячих клавиш
«Esc» => «Ctrl + Shift +P» – Вызывает командную панель со списком горячих клавиш
Это не все команды, но, на мой взгляд, необходимый минимум для начала оптимизации процесса написания скрипта. И если вы ранее, при работе в программе, особенно с часто повторяющимися действиями, не использовали горячие клавиши, начинайте, так как отпадет необходимость выцеливать команды на панели инструментов и увеличится скорость создания скрипта за счет сокращения количества взаимодействий с мышью.
Перейдем к более тонкой настройки Jupyter Notebook с помощью расширений «Nbextensions», они улучшат функционал и существенно модифицируют пользовательский интерфейс.
Для этого необходимо установить пакет «jupyter_contrib_nbextensions» с помощью двух команд:
Pip install jupyter_contrib_nbextensions Jupyter contrib nbextension install —user
После в Jupyter Notebook на стартовой странице появится вкладка «Nbextensions» с перечнем расширений.
При выборе одного из них, ниже подгружается описание и поле для настройки доступных параметров.
На текущий момент для себя выделил три расширения:
- Hinterland – для первого введенного символа выпадает меню автозаполнения кода, для функции выводится описание, что исключает необходимость нажатия клавиши «Tab»
2. Autopep8 – преобразует код Python в соответствии со стилевым руководством PEP8. Перед активацией расширения, дополнительно из командной строки запустить
Pip install autopep8 —user
Для преобразования написанного кода на панели инструментов появиться иконка в виде молота.
3. Code Folding – в код добавляются метки в виде треугольников для скрытия, удобно при объемных функциях
Общего списка какие расширения необходимо ставить нет, так как задачи, решаемые в Jupyter Notebook, разнообразны и лучше всего на собственном опыте его определять.
В дополнении предлагаю подумать о будущих задачах и создать свою базу знаний с помощью магических команд (magics).
Для создания и наполнения информацией используем команду «%%writefile» указываем в параметрах «—a» для добавления в файл, иначе будет перезаписываться и указываем имя файла «C:\Users\ … \Documents\MyBase.py», включив в него полный путь места хранения, после вставляем код, который хотим записать.
%%writefile -a C:\Users\ . \Documents\MyBase.py >>>»»»#Определяем список файлов для обработки import os #Путь к папке на ПК path_file = r’\Users\. \Documents\ ‘[:-1] #Собираем имена файлов для обработки list_file = [] for file in os.listdir(path_file): if file.endswith((‘.csv’)): list_file «»»
Если сохранять в том формате, который указан в примере, а именно после magics-команды пропустить строку и после «>>>»»»» прописать краткое пояснение, а со следующей строки вставить сохраняемый скрипт до ««»»», то при открытии файла в текстовом редакторе Notepad++ и выборе синтаксиса Python, вся сохраненная информация будет разбита на блоки.
MyBase.py открытый в Notepad++
Для вывода данных из созданной базы знаний используем команду «%pycat» и указываем имя файла «C:\Users\ … \Documents\MyBase.py», включив в него полный путь места хранения.