当我学习有关深度学习的优秀的fast.ai课程时，我学到了很多适用于通用软件工程的干货。我写这篇文章是为了总结这些技巧并与你分享。

1.Jupyter Notebook拓展

标准的Jupyter Notebook很不错，但是还有更多的扩展功能可以帮助你完成工作，并且可以将许多功能结合在一起。

Install Jupyter extension package

你可以在这里找到更多Jupyter主题。安装配置器后，你会看到有一个新的“Nbextensions”选项卡。获取这些项目打勾

1.Autopep8

2.Collapsible Headings

3.Gist-it

A. Collapsible Headings

现在你可以折叠你的笔记本，而不是滚动无穷的代码。根据我的经验，在进行探索性数据分析和绘制图表时，我写了很多不干净的代码，我必须非常努力地滚动才能到达目的地。你可以展开单元格或折叠单元格以使其更清晰。我想你甚至可以做一个目录（我还没有尝试过这个扩展）。

如果你以前使用过Gist，它基本上是一个让你共享笔记本的地方。当你想要共享你的代码时，这是非常有用的，特别是当你有bug并且想要共享它的时候。只要按一下按钮，一切就会在几秒钟内完成。

默认情况下，它将发布一个匿名的Gist，如果你想用Github帐户发布它，你需要生成一个令牌认证。主要的区别是，如果你用自己的帐号发表文章，你可以编辑你的要点。

C. Autopep8

造型很重要，但也很无聊。如果你不想太用力，只要按一下这个小按钮，它就会为你做所有的间隔！(PEP8是Python代码的风格指南)

2.把时间花在你的任务上，并从中吸取教训!

我一直在声明循环之前的开始时间，减去当前时间来获得运行时间。这并没有错，但你可以让它变得更容易。使用内置的魔法命令。它们对你来说可能不自然，但使用起来真的很方便。(魔法命令以%开始)

让我们从一个简单的函数开始。它计算的是最后一个小于n的Fibonacci数。

你可以使用%time来计时一次运行或函数%timeit来计时，并得到平均值和标准偏差。这对于这些简单的函数很有用，那么调用另一个函数的函数呢？

这里是%prun，我创建了一个虚函数，可以很长时间调用fib1（）。你可以看到循环确实花了一些时间，但大部分时间都花在了fib1（）上。

3.Cython

Cython是一个允许你用python编译C的包，这是numpy和pandas速度很快的主要原因。确保你已经通过Cython安装

pip install cython

在不改变任何代码的情况下，你可以获得即时的双重性能!这很好，但一点也不神奇。

如果你稍微修改一下脚本，看看你能实现什么。如果你对C编程有一些经验，你可能知道，当我们声明一个变量时，我们需要定义一个数据类型。这个脚本确实改变了一点，因为像这样的操作对于Python来说是独一无二的，C语言没有这个特性。因此，我们需要分配一个临时变量来存储该值。

a,b = b,a

从582到48纳秒，速度提高了10倍，而且你实际上不需要更改很多脚本。对我来说，这是令人兴奋的，因为大部分时间你都可以使用慢速代码。你所关心的是一次次被呼来唤去的。使用%prun和一些Cython代码，可以在不编译任何文件的情况下获得C速度。

除了魔法命令，我发现在Jupyter做shell命令也是非常有用的。(魔法命令以%开始，shell命令以!开始)

本文由@阿里云云栖社区组织翻译。

文章原标题《Jupyter Notebook Tricks for Data Science that Enhance your ejciency》

作者：Nok

译者：董昭男，审校：。