jupyter-nbrequirements  

Jupyter Notebooks的依赖关系管理和优化。

关于

此扩展提供了对笔记本依赖关系的控制。

项目的主要目标是以下内容

• 在笔记本中管理需求而不离开笔记本
• 为每个笔记本提供一个独特且优化的环境

*使用Thoth解析引擎优化需求

安装

pip install jupyter-nbrequirements

并启用所需的扩展（可能在新版本中不需要，但为了保险起见…）

jupyter nbextension install --user --py jupyter_nbrequirements

使用方法

NBRequirements UI

从v0.4.0版本开始，我们引入了一个新的UI！查看它，与之交互，看看它能为您提供什么！

我们的开发工作将主要专注于改进UI。

传统方法

Jupyter魔法与UI同步，所以不用担心传统用户，您仍然可以手动运行命令，现有的笔记本仍然可以工作！

为笔记本创建运行环境

假设我们想进行EDA，我们可能需要pandas、像plotly这样的可视化库，以及一些使我们的工作更轻松的附加库，如sklearn和pandas-profiling。

在Jupyter笔记本单元格中

%dep add pandas --version ">=0.24.0"
%dep add plotly
%dep add sklearn
%dep add pandas-profiling

并且也许我们的代码以后需要重构和代码检查，所以让我们添加一个dev依赖项。

%dep add --dev black

现在，您可以通过发出%requirements（或%dep，它是它的别名）命令来检查您的笔记本具有哪些需求

%requirements

[packages]
pandas = ">=0.24.0"
plotly = "*"
sklearn = "*"
pandas-profiling = "*"

[dev-packages]
black = "*"

[[source]]
url = "https://pypi.ac.cn/simple"
verify_ssl = true
name = "pypi"

[requires]
python_version = "3.6"

到目前为止，我们一直在处理元数据。为了创建环境和实际安装依赖项，您需要运行%dep ensure命令（受Golang的dep启发，对于那些熟悉Golang的人来说）。

%dep ensure

由于此项目仍在开发中，并且它使用Thoth解析引擎来优化笔记本依赖项（该解析引擎也在开发中），如果出现问题，ensure接受engine参数，可以将其设置为pipenv

%dep ensure --engine pipenv

查看更多示例以获取更多信息。

未来计划

查看项目板。

作者：Marek Cermak macermak@redhat.com，@AICoE - 项目Thoth