JupyterLab 資料分析必備 IDE 完全指南

語言: CN / TW / HK
時間 2019-05-08 09:56:36 
Jupyter is not just a tool, it powers the whole innovation of the world.

目錄

  • 簡介

  • 先嚐為敬

  • 介紹

    • 型別

  • Notebook 基本功能

    • %matplotlib

    • %timeit

    • %run

    • Cell 型別

    • 自自動補全

    • 問號檢視詳細⽂文件

    • Magic Code

  • 快捷鍵

  • 製作 PPT

  • JupyterLab 獨有的實⽤用功能

    • 靈活多窗⼝口檢視

    • 展開和收縮Cell

    • 拖拽 Cell

    • 主題

    • 支援多種型別⽂檔案

  • 外掛

    • Awesome jupyterlab extension list Github Extenion

    • Jupyter Git

    • Jupyterlab-toc

    • Jupyterlab-drawio

    • Jupyterlab_voyager

  • 安裝其他語⾔言的 Kernel

    • 安裝 R Kernel

    • 安裝 Julia Kernel Notebook

  • 資源推薦

  • 總結

簡介

JupyterLab 是 Jupyter 團隊為 Jupyter 專案開發的下一代基於 Web 的介面。相對於 Jupyter Notebook，它的整合性更強，更靈活並且更易擴充套件。它支援 100種多種語言 [2] ，支援多種文件相互整合，實現了互動式計算的新工作流程 ^1 [3] 。

如果說 Jupyter Notebook 像是一個互動式的筆記本，那麼 Jupyter Lab 更像是一個互動式的 VSCode。另外，JupyterLab 非常強大的一點是，你可以將它部署在雲伺服器，不管是電腦、平板還是手機，都只需一個瀏覽器，即可遠端訪問使用。

使用 JupyterLab，你可以進行資料分析相關的工作，可以進行互動式程式設計，可以學習社群中豐富的 Notebook 資料。

在 GitHub上有超過170萬個公共 Jupyter Notebook [4] 。 例如官方   "A gallery of interesting Jupyter Notebooks" [5]   中列舉了如下主題的各類 Notebook：

• 程式設計與電腦科學 • 統計學，機器學習和資料科學 • 數學，物理，化學，生物學 • 地球科學和地理空間資料 • 語言學與文字挖掘 • 心理學和神經科學 • 機器學習，統計和概率 • 物理，化學和生物學 • 經濟與金融 • 地球科學和地理空間資料

如果你是教授者，你還可以使用它進行教學，例如，可以通過安裝外掛，自動化檢查學生的程式碼結果。你可以閱讀這本書獲取更多建議和資訊： 《Teaching and Learning with Jupyter》 [6] 。

總之，無論你是什麼專業，無論你是做什麼領域，無論你是之前使用過 Jupyter Notebook，還是完全沒有接觸過。從現在開始，使用 JupyterLab 這一得心應手的工具，都可以提升你的工作效率，讓你的體驗更加美好。

Note: 閱讀本文最佳方式是 開啟電腦，實際的動手試一試這些功能 。

先嚐為敬

在安裝之前，你可以直接在 Binder 中嘗試使用 JupyterLab [7] 。

或者檢視一些 Notebooks：https://nbviewer.jupyter.org

安裝

安裝十分簡易，可以通過 conda, pip, 或者 pipenv 進行 安裝 [8] 。 



# conda


conda install -c conda-forge jupyterlab





# pip


pip install jupyterlab





# pipenv


pipenv install jupyterlab


pipenv shell


個人推薦使用 Conda 的方式安裝。


啟動


進入到你想要使用 JupyterLab 的目錄下，執行命令：


Jupyter lab


即可啟動。


  


Token 的用途是確認身份，在你開啟新標籤時需要輸入。


介紹


介面：


  


其中，左邊欄(command + B)從上到下預設包含：


  • 檔案瀏覽器   • 正在執行的 kernel 列表  


 • 可以批量關閉 kernel         


  


 • 命令板 (command/ctrl + shift + C) 


  • •  Cell 工具和已經開啟的標籤頁 


型別


 JupyterLab 中有如下的   block 型別 [9]  ： 


  • Notebooks 筆記本，同Jupyter Notebook   • File browser 檔案瀏覽器   • Terminal 終端   • Text Editor 檔案編輯器   • Kernels 核心   • Output 輸出  


Notebook 基本功能


JupyterLab 中的 Notebook 和 Jupyter Notebook 中的使用方法一樣。


Cell 型別


  


每一個 Notebook 就是一個kernel，在其中可以包含多個 cell。


 Cell 的型別有三種，分別為： markdown，code 和 row 。 


執行 cell 的快捷鍵是：shift + command，大概會你用到最多次的一個快捷鍵。


選擇 cell 之後，點選空白處，按下m鍵，代表轉為markdown cell，y鍵代表轉為code cell，同理r鍵代表轉為row cell。


快捷鍵忘記了也沒有關係，去命令板查一下就行：


  


自動補全


與大多數本地 IDE 相同，輸入部分程式碼之後按 tab 鍵，即可自動補全。Jupyter Lab 中的自動補全顯示比之前 Jupyter Notebook 的要友好，通過不同的顏色和圖示。顯示出了補全的型別。


  


問號檢視詳細文件


在函式或變數等後面新增一個問號(?)，執行之後，即可檢視對應的詳細文件:


  


使用兩個問號(??)，會顯示詳細原始碼資訊： 


  


Magic Code


IPython的一些特殊命令（不是內置於 Python 本身）被稱為“魔術”命令。魔術命令是以百分號％為字首的任何命令。


%matplotlib


 最常用的魔法命令，大概就是   %matplotlib [10]  了。它用於指定 matplotlib 的後端(backend)。通常我們使用： 


%matplotlib inline


代表使用 inline作為後端，直接在 Notebook 中內嵌圖片，並且可以省略掉 plt.show() 這一步驟。


％timeit


％timeit 函式檢查任何 Python 語句的執行時間，例如：


  


run


你可以使用 %run 命令，在Notebook中執行任意的Python檔案。例如：


%run add.py


 還有其他一些常用命令，例如 %debug、%load_ext 和 %pwd，完整命令可以  參考頁面 [11]  。 


快捷鍵


熟悉使用快捷鍵可以有效的幫我們提升效率，下面表格是一些常用快捷鍵的彙總圖，可以先瀏覽一遍，看看自己經常會用的是什麼:


  


  格來源以及下載地址 [12]  ：https://blog.ja-ke.tech/2019/01/20/jupyterlab-shortcuts.html 


你也可以直接在設定中檢視或修改相應的快捷鍵。


  


製作 PPT


你還可以直接通過 Notebook 製作 一份網頁版的 PPT，如果你的簡報中包含大量的程式碼，這將是一個不錯的選擇。


  操作如下 [13]  ： 


 1. 開啟一個 NoteBook，例如 Presentation.ipynb 


       2. 選擇左側的 Cell Tool 標籤頁        3. 選擇需要展示的 Cell，設定其型別為Slide  


  


 4. 轉化並執行 Presentation.ipynb:  jupyter nbconvert Presentation.ipynb --to slides --post serve 


一個PPT就製作完成啦，顯示效果如下：


  


此外，如想要回到原來的Jupyter Notebook 也是可以的，只需要將連結後面的 Lab 改為 Tree。


如下：


  


JupyterLab 獨有的實用功能


靈活多視窗檢視


如果你使用VSCode這樣強大的IDE，Jupyter Notebook 中最不令人滿意的一點，就是它只支援單一的檔案檢視。如果你想要在一個頁面上，同時使用Notebook和終端，或者想要再右側預覽markdown檔案，Notebook都沒有支援。但是，Jupyter Lab 具有靈活的視窗檢視功能，使得上述需求能夠實現。


通過拖拽的方式，可以自由的新增檢視：


  


可以將輸出的圖片作為單獨視窗檢視：


  


於 markdown 檔案，可以點選右鍵顯示選單，選擇預覽進行檢視。


  


另外一個獨特的功能是，你可以執行文字中的程式碼塊。


例如，在markdown文件中，有一段Python程式碼，可以右擊，在選單中選擇新建一個console。點選程式碼片段任意位置之後執行(Shift+Center)：


  


展開和收縮Cell


我們注意到每一個Cell和Output左邊都有一個藍色的線，點選該藍線，可以收攏或者展開，如果輸出內容很多或者我們暫時不關心一些cell的內容時，就可以將其收攏起來。


  


拖拽 Cell


JupyterLab 非常靈活的第一點是，每一個Cell都是可以拖拽的，你不僅僅可以在單個檔案內進行拖拽，還是在檔案間進行拖拽，它會自從複製cell都另一個檔案中。


  


主題


JupyterLab 自帶黑白兩種主題，和多種文字高亮主題。在設定選單下即可設定主題。我們也可以更加自己的喜好，更換其他的主題。


  


支援多種型別檔案


Jupyter Lab 對不同型別的檔案支援也很完善。例如 JSON 檔案，csv 檔案和圖片檔案。


  


外掛


通 VSCode一樣，JupyterLab 也可以安裝各類外掛(extensions)。安裝合適的外掛，能夠使你的效率提高很多。


JupyterLab 的外掛是 npm 安裝包。所以按照 JupyterLab 的外掛，需要提前按照好 Node.js。


安裝命令：


    conda install -c conda-forge nodejs


或者 (Mac Only):


    brew install node


完成之後，有兩種方式進行外掛的安裝：


  1. 通過開啟 Extension Manager 來安裝和管理外掛   2. 通過執行命令的方式安裝。  


如果使用第一種方式，需要手動的開啟 Extension Manager: 在設定中選擇高階設定 (command+逗號 )，再選擇Extension Manager一欄，修改設定為 true:




{


 "enabled": true


}


設定成功之後，即可在走側邊欄中看到外掛選項卡，可以檢視已經按照的外掛和探索其他未安裝的外掛。


  


Awesome jupyterlab extension list


 目前，社群中，已經有很多優秀的外掛可以使用，如果你自己一個個的去檢索尋找非常麻煩，所以 我建立了一個目前最完整的實用列表：https://github.com/Yogayu/awesome-jupyterlab-extension。 列表中，包含簡單的介紹，還有外掛的效果展示圖。因此，你能很方便的索引到自己需要的外掛。 


在本文中，重點介紹一些常用的外掛。


Github Extenion


安裝命令：


jupyter labextension install @jupyterlab/github


該擴充套件，會在左側區域新增一個 Github 瀏覽器選項卡。你可以瀏覽 GitHub 上的內容，倉庫等等。也可以直接開啟倉庫中 JupyterLab 支援的檔案。如果檔案是 Notebook 型別，你直接直接執行，無需下載到本地,非常的方便。


輸入 GitHub 使用者名稱，即可檢視其下所有倉庫內容。


  


直接開啟 Notebook 檔案，即可在本地檢視和執行遠端 Notebook：


  


Jupyter Git


Jupyter Git 是 JupyterLab 中的 Git圖形化管理工具。安裝之後，可以在 git標籤頁，檢視對應的檔案修改情況和版本歷史等資訊。類似於VSCode的Git管理工具。（ 是的，我們的 JupyterLab 越來越像 VSCode 了 : )


安裝命令：




jupyter labextension install @jupyterlab/git


pip install jupyterlab-git


jupyter serverextension enable --py jupyterlab_git


使用：


  


Jupyterlab-toc


顧名思義，該外掛可以自動生成檔案內容目錄。


安裝命令：


jupyter labextension install @jupyterlab/toc


成功之後，即可以點選目錄標籤頁，檢視文件目錄：


  


Jupyterlab-drawio


Jupyterlab-drawio 是一個在繪圖外掛，它將drawio / mxgraph獨立整合到了 jupyterlab 中。


安裝命令：


jupyter labextension install jupyterlab-drawio


安裝成功之後，在啟動面板即可以選擇 Diagram 型別檔案。


  


Jupyterlab_voyager


Voyager是一種資料視覺化工具，可以自動和手動的生成圖表。用來檢視資料的基本分佈資訊，十分方便。


安裝命令：


jupyter labextension install jupyterlab_voyager


安裝之後，選擇CSV或者JSON檔案，右擊選擇 open with voyager，即可使用：


  


安裝其他語言的 Kernel


前面我們說到 JupyterLab 支援多種語言，所以我們只需在 https://github.com/jupyter/jupyter/wiki/Jupyter-kernels 列表上找對對應的語言，安裝其 Kernel 就可以使用。


這裡我們以 R 和 Julia 為例。


安裝 R Kernel


 安裝文件: https://irkernel.github.io  


  1. 安裝 R 下載地址：https://cran.r-project.org/mirrors.html 清華大學映象源：https://mirrors.tuna.tsinghua.edu.cn/CRAN/   2. 在終端中執行 R, 執行命令：  




The packages (' IRkernel)


IRkernel: : installspec ()


 1. 或者直接使用 conda install -c r r-essentials 安裝一些必備的包。 


安裝 Julia Kernel


安裝文件: https://github.com/JuliaLang/IJulia.jl


  1.  安裝 Julia [14]    2. 開啟 Julia 之後，執行命令  




using Pkg


Pkg.add("IJulia")


完成之後即可在 JupyterLab 中新建對應語言的Notebook。


  


 如果想要在同一個Notebook中執行不同的語言，可以參考專案:  sos-notebook [15]  。 


Notebook 資源推薦


 •  首推官方資源列表 [16]  ：https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks 


  


最後，特別推薦一些書籍和課程的 Notebook：


  •  The Python Data Science HandBook [17]  : https://github.com/jakevdp/PythonDataScienceHandbook   •  Hands-on the Machine Learning with Scikit-Learn and TensorFlow [18]    : https://github.com/ageron/handson-ml   •  the Deep Learning with Python [19]  : https://github.com/fchollet/deep-learning-with-python-notebooks   •  UC Berkeley Data 100 [20]  : https://github.com/DS-100/textbook  


還有很多很多其他有趣的 Notebook，就等大家自己去探索，或者你可以自己寫一個系列啦。


總結


最後，一起來回顧下本文內容吧：


  


看完之後，是不是覺得 JupyterLab 可以成為你的主力資料分析 IDE 了呢？


References


 [1]   ENGLISH VERSION:  http: /data2art.com/jupyterlab-en.html 


 [2]   100種多種語言:   https://github.com/jupyter/jupyter/wiki/Jupyter-kernels 


 [3]   ^1:   https://blog.jupyter.org/jupyterlab-is-ready-for-users-5a6f039b8906 


 [4]   ^1:   https://blog.jupyter.org/jupyterlab-is-ready-for-users-5a6f039b8906 


 [5]   "A gallery of interesting Jupyter Notebooks":   https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks 


 [6]   《Teaching and Learning with Jupyter》:   https://jupyter4edu.github.io/jupyter-edu-book/ 


 [7]   JupyterLab:   https://jupyter.org/try 


 [8]   安裝:   https://jupyterlab.readthedocs.io/en/stable/getting_started/installation.html 


 [9]   block 型別:   https://github.com/jupyterlab/jupyterlab-demo/tree/master/slides 


 [10]   %matplotlib:   https://ipython.readthedocs.io/en/stable/interactive/plotting.html 


 [11]   參考頁面:   https://ipython.readthedocs.io/en/stable/interactive/magics.html 


 [12]   表格來源以及下載地址:   https://blog.ja-ke.tech/2019/01/20/jupyterlab-shortcuts.html 


 [13]   操作如下:   https://github.com/jupyterlab/jupyterlab/issues/5018#issuecomment-485842330 


 [14]   安裝 Julia:   https://julialang.org/downloads/ 


 [15]   sos-notebook:   https://vatlab.github.io/blog/post/sos-notebook/ 


 [16]   首推官方資源列表:   https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks 


 [17]   The Python Data Science Handbook:   https://github.com/jakevdp/PythonDataScienceHandbook 


 [18]   Hands-on the Machine Learning with Scikit-Learn and TensorFlow:   https://github.com/ageron/handson-ml 


 [19]   the Deep Learning with Python:   https://github.com/fchollet/deep-learning-with-python-notebooks 


 [20]   UC Berkeley Data 100:   https://github.com/DS-100/textbook 


  


  據說點 「好看」 的人都變好看了   :point_down:  




























「」









「」