Jupyter 实验室自动完成 - Python

介绍

Jupyter 实验室是一个交互式笔记本，可以用于数据清理和转换、数值模拟、统计建模、数据可视化、机器学习等多种数据分析场景。Python 是 Jupyter 实验室中最流行的编程语言之一。Python 有很多库可以让你在 Jupyter 实验室中编写数据分析代码。这里将介绍如何在 Jupyter 实验室中使用自动完成功能来加速编写 Python 代码的速度。

自动完成功能

自动完成功能可以帮助程序员更快地编写代码，减少打字错误并提高代码质量。当您开始输入代码时，Jupyter 实验室会建议您可能想要键入的命令、变量名、函数名等。您可以使用 Tab 键选择建议。让我们看看该功能的示例：

# 在此处输入 imp 后，按 Tab 键可以看到建议
import numpy as np

# 在此处输入 np. 后按 Tab 键，可以看到 numpy 库中的函数和方法建议
np.

安装

Jupyter 实验室的自动完成功能默认情况下是开启的，但您需要安装第三方插件 jupyter_contrib_nbextensions 才能使用一些高级自动完成功能。以下是安装步骤：

1. 打开终端窗口并输入以下命令：

conda install -c conda-forge jupyter_contrib_nbextensions

2. 安装完成后，输入以下命令启用扩展程序：

jupyter nbextensions_configurator enable --user

3. 打开 Jupyter 实验室，单击右侧的 Nbextensions 按钮。

4. 在可用扩展程序列表中找到 Code Folding 和 Hinterland: Autocomplete 扩展程序，勾选它们并单击保存。

现在，您可以使用更高级的自动完成功能了！

高级自动完成功能

Hinterland: Autocomplete 扩展程序支持更高级的自动完成功能：

• 自动完成功能可以基于先前评估单元格的执行结果。
• 自动完成功能可以显示在变量后调用的方法的文档字符串。例如，在输入 np.array(). 后按 Tab 键，可以看到 numpy 库中 array() 方法的文档字符串。

在高级自动完成功能中，每一个字符都很重要，按照正确的方式输入代码可以加快您的编写速度。

结论

使用 Jupyter 实验室自动完成功能可以让您更快速地编写 Python 代码，减少打字错误并提高代码质量。对于数据分析人员而言，这是一个值得学习和使用的重要工具，可以在数据处理和建模中提高效率。