首页
下载应用
提交文章
关于我们
问卷:你怎么看自由微信?
🔥 热搜 🔥
1
百度
2
今日热点
3
微信公众平台
4
贴吧
5
opgg
6
dnf私服
7
百度贴吧
8
知乎
9
dnf公益服
10
百度傻逼
分类
社会
娱乐
国际
人权
科技
经济
其它
首页
下载应用
提交文章
关于我们
问卷:你怎么看自由微信?
🔥
热搜
🔥
1
百度
2
今日热点
3
微信公众平台
4
贴吧
5
opgg
6
dnf私服
7
百度贴吧
8
知乎
9
dnf公益服
10
百度傻逼
分类
社会
娱乐
国际
人权
科技
经济
其它
听纪委朋友说,有的领导干部在被抽掉鞋带和皮带后,一下就崩溃了,甚至个别胆小者顿时大小便失禁……
听纪委朋友说,有的领导干部在被抽掉鞋带和皮带后,一下就崩溃了,甚至个别胆小者顿时大小便失禁……
上海超市血案:背后缘由让人揪心
为啥一线城市只有广州取消限购?是因为穷吗
野村:牛市可能重蹈2015年的崩盘
生成图片,分享到微信朋友圈
查看原文
其他
Bong!5 款超牛逼的 Jupyter Notebook 插件!
Original
东哥起飞
Python数据科学
2021-08-08
收录于话题
#Jupyter
26个
5关注上方“
Python数据科学
”,选择星标,
关键时间,第一时间送达!
☞
薅起来!当当限时 3 折购书!
作者:东哥起飞
来源:Python数据科学
周末愉快,东哥分享三个高效的Jupyter Notebook插件,每个都很实用。
1、Scratchpad
这个插件非常有用,我们做数据分析EDA或者特征工程时经常要各种尝试,而不是要真正的运行cell代码。
这个时候在同一个notebook里来回运行就非常容易乱,找不到自己想要的那个对的代码了。当然,可以注释,不过也比较不好管理。
使用这个插件
可以在当前内核上运行代码,而不必在实际代码之间不断添加新单元以进行实验或计算。使用
Shift + Enter
打开便签本,然后通过
Ctrl + B
将其关闭。
2、Code folding
code folding 插件提供了三种代码折叠选项,在敲代码过程中是非常有必要的。
1、缩进折叠
该算法可以检测缩进,允许将缩进一一折叠。这样我们就可以折叠更多的代码了,看下下面的代码。
如上所示,有两个缩进。因此,此代码单元先折叠为:
进一步的折叠:
2、第一行注释折叠
这种折叠用在第一行中有注释的单元格。
结果是仅显示第一行中的注释,而不显示整个单元格。这样,当我们删除代码时,可以保留第一行的注释,对单元格进行简短而准确的描述。
所以,以下单元格…
…可以折叠成这样:
3、魔术折叠
上面的概念也适用于第一行是魔术命令的情况。
这个特殊的折叠对于import导入包的单元格可能特别有用。
另一个应用场景是删除所有非Python代码,以避免可能的干扰。
折叠会将上面的单元格变成:
此外,保存Jupyter notebook后,所有折痕都将保存。
3、
zenmode
最后一个插件可能是三个中最常用的了。
zenmode插件可以将菜单删除,使你可以专注于代码。
这样可使 Jupyter notebook 的界面在视觉和使用上更舒服。
4、Table of contents
这个插件将为notebook增加一个目录。
通过点击下方图片中红框内的按钮,即可激活或停用它。
当使用含有较多内容的notebook时,该功能的实用性便体现出来了。
点击目录中的任何标题,即可直接定位到notebook的相应位置。
5、Variable Inspector
可以通过菜单上标红的按钮来执行该扩展。
点击按钮后,将显示当下命名空间中的所有变量信息,包括变量的名称、类型、大小、形式和值。
6、总结
以上就是东哥本次安利的5个插件。
下面是历史往期分享的Jupyter相关的好文,可以自行学习。
新一代Notebook神器出现,Jupyter危险了!
如何在启动 Jupyter Notebook 时自动执行一段代码?
安利 9 个高效的 Jupyter Notebook 扩展工具
Jupyter 平台最强插件,没有之一!
太可怕了!这个 Jupyter 插件可能会让我失业!
用了这个jupyter插件,我已经半个月没打开过excel了
Jupyter Notebook最常用的五大配置技巧
参考:https://towardsdatascience.com/
文末赠书福利
赠送新出的书籍《
机器学习与深度学习算法基础
》5本!
由
「北京大学出版社」赞助提供,
如果等不及也可以入手一本学习。
介绍:
本书分为两篇,共18章。
一篇为经典机器学习模型,主要介绍常用的机器学习经典模型,包括线性回归、支持向量机模型、逻辑斯蒂回归、决策树模型、k近邻、朴素贝叶斯、线性判别分析和主成分分析、流形学习、聚类算法、稀疏编码、直推式支持向量机、集成算法。
第二篇为深度学习模型与方法,剖析神经网络的基本要素,并介绍常用的深度学习模型,包括感知机、卷积神经网络、循环神经网络、生成对抗网络。
参与方式:本篇文章
底部「点赞」+「
在看
」+「
留言
」,文章内容相关的优质留言才可上墙!留言点赞数量最多
前5位
读者将获得这本书,
截止时间「
10月26日20:00」
,最终获赠者通过留言联系我。
🧐
分享、点赞、在看
,给个
三连击
呗!
👇
您可能也对以下帖子感兴趣
{{{title}}}
文章有问题?点此查看未经处理的缓存