📅  最后修改于: 2023-12-03 15:32:26.944000             🧑  作者: Mango
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.
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:
conda install -c conda-forge jupyter_contrib_nbextensions
jupyter nbextensions_configurator enable --user
打开 Jupyter 实验室,单击右侧的 Nbextensions
按钮。
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!
Hinterland: Autocomplete
扩展程序支持更高级的自动完成功能:
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。
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。