20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Iniciar sesión Crear una cuenta

Tutoriales

Karlijn Willems
15 de noviembre de 2016

DEBE LEER PITÓN +1

Jupyter Notebook Tutorial: la guía de nitiva

Este tutorial explica cómo instalar, ejecutar y usar Jupyter Notebooks para la
ciencia de datos, incluidos consejos, mejores prácticas y ejemplos.

Como una aplicación web en la que puede crear y compartir documentos que
contienen código en vivo, ecuaciones, visualizaciones y texto, el Jupyter
Notebook es una de las herramientas ideales para ayudarlo a obtener las
habilidades de ciencia de datos que necesita.

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 1/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Este tutorial cubrirá los siguientes temas: 

Una descripción básica de la aplicación Jupyter Notebook y sus componentes,

La historia de Jupyter Project para mostrar cómo está conectada a IPython,
Una descripción general de las tres formas más populares de ejecutar sus
portátiles : con la ayuda de una distribución de Python, con pip o en un contenedor
Docker,
Una introducción práctica a los componentes que se trataron en la primera
sección, con ejemplos de Pandas DataFrames, una explicación sobre cómo hacer
que los documentos de su computadora sean mágicos y respuestas a preguntas
frecuentes, como " Cómo alternar entre Python 2 y 3 ? ", y
¡Las mejores prácticas y consejos que lo ayudarán a hacer de su computadora
portátil un valor agregado para cualquier proyecto de ciencia de datos!

(Para practicar Pandas dataframes en Python, prueba este curso sobre las
fundaciones de Pandas. )

¿Qué es un cuaderno Jupyter?

En este caso, " cuaderno" o " documentos de cuaderno" indican documentos que
contienen elementos de código y de texto enriquecido, como figuras, enlaces,
ecuaciones ... Debido a la combinación de elementos de código y texto, estos
documentos son el lugar ideal para reunir una descripción de análisis y sus
resultados, así como también se pueden ejecutar, realizar el análisis de datos en
tiempo real.

Estos documentos son producidos por la aplicación Jupyter Notebook.

Hablaremos de esto en un momento.

Por ahora, solo debes saber que " Jupyter" es un acrónimo suelto que significa
Julia, Python y R. Estos lenguajes de programación fueron los primeros idiomas

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 2/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

de destino de la aplicación Jupyter, pero hoy en día, la tecnología de portátiles

también es compatible con muchos otros idiomas . 

Y ahí lo tienes: el cuaderno Jupyter.

Como acabas de ver, los principales componentes de todo el entorno son, por un
lado, los propios cuadernos y la aplicación. Por otro lado, también tiene un
kernel portátil y un tablero de instrumentos portátil.

Veamos estos componentes con más detalle.

¿Qué es la aplicación de portátil Jupyter?

Como una aplicación servidor-cliente, la aplicación Jupyter Notebook le permite

editar y ejecutar sus portátiles a través de un navegador web. La aplicación se
puede ejecutar en una PC sin acceso a Internet o puede instalarse en un servidor
remoto, donde puede acceder a ella a través de Internet.

Sus dos componentes principales son los núcleos y un tablero.

Un kernel es un programa que ejecuta e introspección el código del usuario. La

aplicación Jupyter Notebook tiene un kernel para el código de Python, pero
también hay kernels disponibles para otros lenguajes de programación.

El panel de la aplicación no solo muestra los documentos del cuaderno que ha

creado y puede volver a abrir, sino que también se puede utilizar para
administrar los kernels: puede ver cuáles se están ejecutando y apagarlos si es
necesario.

Historia de los portátiles IPython y Jupyter

Para comprender completamente qué es el portátil Jupyter y qué funcionalidad

tiene para ofrecer, necesita saber cómo se originó. 
https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 3/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Retrocedamos brevemente hasta fines de la década de 1980. Guido Van Rossum

comienza a trabajar en Python en el Instituto Nacional de Investigación de
Matemáticas e Informática en los Países Bajos.

Espera, tal vez eso es demasiado.

Vamos a finales de 2001, veinte años después. Fernando Pérez comienza a

desarrollar IPython.

En 2005, tanto Robert Kern como Fernando Pérez intentaron construir un

sistema portátil. Desafortunadamente, el prototipo nunca se volvió
completamente utilizable. 

Avance rápido de dos años: el equipo de IPython había seguido trabajando, y en

2007 formularon otro intento de implementar un sistema de tipo portátil. En
octubre de 2010, había un prototipo de un cuaderno web y en el verano de 2011,
este prototipo se incorporó y se lanzó con 0.12 el 21 de diciembre de 2011. En
años posteriores, el equipo recibió premios, como el Avance de la libertad
Software para Fernando Pérez el 23 de marzo de 2013 y el Premio a la
Productividad Jolt, y fondos de las Fundaciones Alfred P. Sloan, entre otros. 

Por último, en 2014, Project Jupyter comenzó como un proyecto derivado de

IPython. IPython es ahora el nombre del backend de Python, que también se
conoce como kernel. Recientemente, se ha presentado a la comunidad la
próxima generación de portátiles Jupyter. Se llama JupyterLab. Lea más sobre
esto aquí .

Después de todo esto, es posible que se pregunte dónde se originó esta idea de
cuadernos o cómo se originó con los creadores.

Una breve investigación sobre la historia de estos cuadernos aprende que

Fernando Pérez y Robert Kern estaban trabajando en un cuaderno al mismo

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 4/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

tiempo que el cuaderno Sage era un trabajo en progreso. Dado que el diseño del
cuaderno Sage se basó en el diseño de los cuadernos de Google, también puede
concluir que también Google solía tener una función de cuaderno en ese
momento. 

Por lo que concierne a la idea del cuaderno, parece que Fernando Pérez, así
como William Stein, uno de los creadores del cuaderno Sage, han confirmado
que eran ávidos usuarios de los cuadernos Mathematica y las hojas de trabajo de
Maple. Los cuadernos de Mathematica fueron creados como front-end o GUI en
1988 por Theodore Gray. 

El concepto de un cuaderno, que contiene texto ordinario y cálculo y / o

gráficos, definitivamente no era nuevo. 

Además, los desarrolladores tenían un contacto cercano entre ellos y esto, junto
con otros intentos fallidos en las GUI para IPython y el uso de " AJAX" =
aplicaciones web, que no requerían que los usuarios actualizaran la página
entera cada vez que hacían algo, fueron otras dos motivaciones para el equipo de
William Stein para comenzar a desarrollar los cuadernos de Sage. 

Si desea conocer más detalles, consulte las cuentas personales de Fernando

Pérez y William Stein sobre la historia de sus cuadernos. Alternativamente,
puede leer más sobre la historia y la evolución de IPython a los portátiles
Jupyter aquí .

Cómo instalar el portátil Jupyter

Ejecución de cuadernos Jupyter con la distribución de Python de Anaconda

Uno de los requisitos aquí es Python, ya sea Python 3.3 o superior o Python 2.7.
La recomendación general es que use la distribución de Anaconda para instalar
Python y la aplicación portátil. 

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 5/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

La ventaja de Anaconda es que tiene acceso a más de 720 paquetes que pueden
instalarse fácilmente con Conda de Anaconda, un paquete, dependencia y
administrador de entorno. Puede descargar y seguir las instrucciones para la
instalación de Anaconda aquí . 

¿Hay algo que no está claro? Siempre puede leer las instrucciones de instalación
de Jupyter  aquí .

Ejecutando el Cuaderno Jupyter The Pythonic Way: Pip

Si no desea instalar Anaconda, solo tiene que asegurarse de tener la última

versión de pip. Si ha instalado Python, normalmente ya lo tendrá.

Lo que necesita hacer es actualizar pip:

# On Windows
python -m pip install -U pip setuptools
# On OS X or Linux
pip install -U pip setuptools

Una vez que tienes pip, solo puedes correr

# Python2
pip install jupyter
# Python 3
pip3 install jupyter

Si necesita más información sobre la instalación de paquetes en Python, puede

ir a esta página . 

Ejecutando portátiles Jupyter en contenedores Docker

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 6/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Docker es una excelente plataforma para ejecutar software en contenedores.

Estos contenedores son procesos autónomos y aislados.

Esto suena un poco como una máquina virtual, ¿verdad?

Realmente no. Vaya  aquí  para leer una explicación sobre por qué son
diferentes, con una metáfora fantástica de la casa.

Puede comenzar fácilmente con Docker si instala Docker Toolbox : contiene

todas las herramientas que necesita para poner sus contenedores en
funcionamiento. Siga las instrucciones de instalación, seleccione " Docker
QuickStart Terminal" e indique instalar la herramienta Kitematic Visual
Management también si no la tiene ni tiene instalada ninguna otra plataforma
de virtualización. 

La instalación a través de la Terminal Quickstart de Docker puede llevar algo de

tiempo, pero luego está listo. Use el comando  docker run  para ejecutar Docker
" images" . Puede considerar estas imágenes como paquetes preenvasados de
software que se pueden descargar automáticamente desde el  Docker Hub
 cuando los ejecuta. 

Sugerencia: busque en la Biblioteca de imágenes de Docker miles de las

herramientas de software más populares. También encontrará otros cuadernos
https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 7/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

que puede ejecutar en su contenedor Docker, como el Cuaderno de ciencias de

datos, el Cuaderno R y muchos más.

Para ejecutar la imagen oficial de Jupyter Notebook en su contenedor Docker,

entregue el siguiente comando en su terminal Docker Quickstart:

docker run --rm -it -p 8888:8888 -v "$(pwd):/notebooks" jupyter/notebook

Sugerencia: si desea descargar otras imágenes, como el Cuaderno de ciencias de

datos que se mencionó anteriormente, solo debe reemplazar el "
Jupyter/notebook " bit por el nombre del Repositorio que encuentra en la

Biblioteca de imágenes de Docker, como " Jupyter/datascience-notebook " .

La nueva imagen de Jupyter HTML Notebook se descargará y se iniciará, o puede

abrir la aplicación. ¡Siga leyendo para ver cómo puede hacerlo!

Cómo usar los portátiles Jupyter

Ahora que sabes con qué vas a trabajar y lo has instalado, ¡es hora de empezar de
verdad!

Cómo comenzar con los portátiles Jupyter

Ejecute el siguiente comando para abrir la aplicación:

jupyter notebook

Luego verá la apertura de la aplicación en el navegador web en la siguiente

dirección: http: // localhost: 8888. Todo esto se demuestra en el gif a
continuación:

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 8/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

La pestaña " Archivos" es donde se guardan todos sus archivos, la pestaña " En
ejecución" realiza un seguimiento de todos sus procesos y la tercera pestaña,
" Clusters" , es proporcionada por IPython paralelo, el marco de cómputo paralelo
de IPython. Le permite controlar muchos motores individuales, que son una
versión extendida del kernel IPython.

Probablemente quiera comenzar haciendo un nuevo cuaderno.

Puede hacer esto fácilmente haciendo clic en el " botón Nuevo" en la pestaña
" Archivos" . Verá que tiene la opción de crear un archivo de texto normal, una
carpeta y una terminal. Por último, también verá la opción de crear un cuaderno
de Python 3.

Tenga en cuenta que esta última opción dependerá de la versión de Python que
haya instalado. Además, si la aplicación muestra python [conda root] y python
[default] como nombres de kernel en lugar de Python 3, puede intentar ejecutar 

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 9/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

conda remove _nb_ext_conf o leer el siguiente problema de Github  y realizar los

ajustes necesarios.

Comencemos primero con el archivo de texto normal. Cuando se abre, ve que

esto se parece a cualquier otro editor de texto. Puede alternar los números de
línea y / o el encabezado, puede indicar el lenguaje de programación que está
escribiendo y puede buscar y reemplazar. Además, puede guardar, cambiar el
nombre o descargar el archivo o crear un nuevo archivo. 

También puede crear carpetas para mantener todos sus documentos

organizados juntos. Simplemente presione la opción " Carpeta" que aparece
cuando presiona el botón " Nuevo" en su menú inicial y una nueva carpeta
aparecerá en su resumen. Puede cambiar el nombre de la carpeta al instante, ya
que aparecerá como una carpeta con el nombre 'Carpeta sin título'.

En tercer lugar, la terminal está allí para admitir sesiones de terminal

interactivas basadas en navegador. ¡Básicamente funciona igual que su terminal
o la aplicación cmd! Entre  python a la terminal, presione ENTER y ya está listo.

Consejo: si alguna vez necesitas un terminal iPython puro, simplemente puedes

escribir 'ipython' en tu Terminal o Cmd. Esto puede ser útil cuando, por ejemplo,
desea obtener mensajes de error más claros que los que aparecen en el terminal
cuando ejecuta la aplicación portátil.

Si desea comenzar en su computadora portátil, regrese al menú principal y haga

clic en la opción " Python 3" en la categoría " Notebook" .

Verá inmediatamente el nombre del cuaderno, una barra de menú, una barra de
herramientas y una celda de código vacía:

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 10/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Puede comenzar inmediatamente con la importación de las bibliotecas

necesarias para su código. Esta es una de las mejores prácticas que discutiremos
con más detalle más adelante.

Después, puede agregar, eliminar o editar las celdas según sus necesidades. ¡Y
no se olvide de insertar texto explicativo o títulos y subtítulos para aclarar su
código! Eso es lo que hace que un cuaderno sea un cuaderno al final. 

Sugerencia: si desea insertar LaTex en las celdas de su código, solo tiene que
poner su Math LaTeX dentro $$ , así:

$$c = \sqrt{a^2 + b^2}$$

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 11/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

También puede optar por mostrar su salida de LaTex:

from IPython.display import display, Math, Latex

display(Math(r'\sqrt{a^2 + b^2}')) 

¿No estás seguro de cómo se ve todo un portátil? ¡Pase a la última sección para
descubrir los mejores que hay!

Alternar entre Python 2 y 3 en los portátiles Jupyter

Hasta ahora, trabajar con portátiles ha sido bastante sencillo.

¿Pero qué pasa si no solo quieres usar Python 3 o 2? ¿Qué pasa si quieres
cambiar entre los dos?

¡Afortunadamente, los kernels pueden resolver este problema para ti! Puede
crear fácilmente un nuevo entorno de conda para usar diferentes núcleos de
portátiles:

# Python 2.7
conda create -n py27 python=2.7 ipykernel
# Python 3.5
conda create -n py35 python=3.5 ipykernel

Reinicie la aplicación y los dos núcleos deberían estar disponibles para usted.
Muy importante: no olvides (de) activar el kernel que (no) necesites con los
siguientes comandos:

source activate py27

source deactivate

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 12/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Si necesita más información, vaya a esta página .

También puede registrar manualmente sus kernels, por ejemplo:

conda create -n py27 python=2.7

source activate py27
conda install notebook ipykernel
ipython kernel install --user

Para configurar el entorno de Python 3.5, puede usar los mismos comandos,
pero reemplace py27 por py35 y el número de versión por 3.5 . 

De forma alternativa, si está trabajando con Python 3 y desea configurar un

kernel de Python 2, también puede hacer esto:

python2 -m pip install ipykernel

python2 -m ipykernel install --user

Ejecución de R en su portátil Jupyter

Como ya se sugirió la explicación de los núcleos en la primera sección , ¡también

puede ejecutar otros lenguajes además de Python en su cuaderno!

Si desea usar R con Jupyter Notebooks pero sin ejecutarlo dentro de un

contenedor de Docker, puede ejecutar el siguiente comando para instalar el
Essentials R en su entorno actual:

conda install -c r r-essentials

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 13/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Estos " elementos esenciales" incluyen los paquetes dplyr ,  shiny ,  ggplot2 , 
tidyr ,  caret  y  nnet . Si no desea instalar los elementos esenciales en su entorno

actual, puede usar el siguiente comando para crear un nuevo entorno solo para
los elementos esenciales de R:

conda create -n my-r-env -c r r-essentials

Abra la aplicación portátil para comenzar a trabajar con R con el comando

habitual. 

Si ahora desea instalar paquetes R adicionales para elaborar su proyecto de

ciencias de datos, puede crear un paquete Conda R ejecutándose, por ejemplo:

conda skeleton cran ldavis

conda build r-ldavis/

O puede instalar el paquete desde el interior de R a través de  (

install.packages  o devtools ::install_github desde GitHub). Solo tiene que

asegurarse de agregar un nuevo paquete a la biblioteca R correcta utilizada por

Jupyter:

install.packages("ldavis", "/home/user/anaconda3/lib/R/library")

Tenga en cuenta que también puede instalar IRKernel, un kernel para R, para
trabajar con R en su computadora portátil. Puede seguir las instrucciones de
instalación aquí .

Tenga en cuenta que también tiene núcleos para ejecutar idiomas como Julia,
SAS, ... en su computadora portátil. Vaya aquí para obtener una lista completa de

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 14/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

los núcleos que están disponibles. Esta lista también contiene enlaces a las
páginas respectivas que tienen instrucciones de instalación para comenzar.

Consejo: si todavía no está seguro de cómo trabajaría con estos diferentes

kernels o si desea experimentar con diferentes kernels usted mismo, vaya a esta
página , donde puede probar kernels como Apache Toree (Scala), Ruby, Julia, ...

Cómo hacer que su portátil Jupyter sea mágico

Si desea aprovechar al máximo sus cuadernos con el kernel IPython, debe

considerar aprender sobre los llamados " comandos mágicos" . Además, considere
agregar aún más interactividad a su computadora portátil para que se convierta
en un panel interactivo para otros ¡debería ser una de sus consideraciones! 

Los comandos incorporados del portátil

Hay algunas " funciones mágicas" predefinidas que harán que su trabajo sea
mucho más interactivo.

Para ver qué comandos mágicos tiene disponibles en su intérprete, simplemente

ejecute lo siguiente:

%lsmagic

Consejo: la help() función normal de Python también funciona y puede usar el

comando mágico %quickref para mostrar una hoja de referencia rápida para
IPython.

Y verás un montón de ellos apareciendo. Probablemente verás algunos

comandos de magia que comprenderás, como %save , %clear o %debug , pero otros
serán menos directos.

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 15/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Si está buscando más información sobre los comandos mágicos o sobre las
funciones, siempre puede usar el ? , así:

# Retrieving documentation on the alias_magic command

?%alias_magic

# Retrieving information on the range() function

?range

Tenga en cuenta que si desea iniciar una expresión de una sola línea para
ejecutarse con el comando de magia, puede hacerlo usando % . Para expresiones
de varias líneas, use && . El siguiente ejemplo ilustra la diferencia entre los dos:

%time x = range(100)
%%timeit x = range(100)
max(x)

Dicho de otra manera, los comandos mágicos están orientados a la línea o a la

celda. En el primer caso, los comandos tienen el prefijo con el  %  carácter y
funcionan de la siguiente manera: obtienen como argumento el resto de la línea.
Cuando desee pasar no solo la línea sino también las líneas que siguen, necesita
magia orientada a celdas: entonces, los comandos deben tener un prefijo  %% .

Además de las %time y %timeit magia, hay algunos otros comandos mágicos que
seguramente serán útiles:

% pdb Depurar

% prun Haz una ejecución de rendimiento

% write le Guarda el contenido de una celda en un archivo externo

% pycat Muestra la sintaxis resaltada de los contenidos de un archivo externo

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 16/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

%quien Enumere todas las variables de alcance global.

%almacenar Pasar variables entre cuadernos

%carga Insertar código desde un script externo

%correr Ejecutar código de Python

% env Establecer variables de entorno

Tenga en cuenta que esta es solo una breve lista de los comandos de magia
disponibles. Hay muchos más con los que puedes descubrir %lsmagic .

También puede usar Magics para mezclar idiomas en su computadora portátil

con el kernel IPython sin configurar núcleos adicionales: hay rmagics que
ejecutar el código R, SQL para RDBMS o el acceso del Sistema de Administración
de Base de Datos Relacional y cythonmagic para el trabajo interactivo con cython ...
Pero hay tanto ¡mucho más! 

Para hacer uso de estas magias, primero tiene que instalar los paquetes
necesarios:

pip install ipython-sql

pip install cython
pip install rpy2

Sugerencia: si desea instalar paquetes, también puede ejecutar estos comandos

como comandos de shell desde el interior de su portátil colocando uno
!  delante de los comandos, así:

# Check, manage and install packages

!pip list
!pip install ipython-sql

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 17/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

# Check the files in your working directory

!ls

Solo entonces, después de una instalación exitosa, puedes cargar las magias y
comenzar a usarlas:

%load_ext sql
%load_ext cython
%load_ext rpy2.ipython

Vamos a demostrar cómo funcionan exactamente las magias con un pequeño

ejemplo:

# Hide warnings if there are any

import warnings
warnings.filterwarnings('ignore')

# Load in the r magic

%load_ext rpy2.ipython

# We need ggplot2
%R require(ggplot2)

# Load in the pandas library

import pandas as pd

# Make a pandas DataFrame

df = pd.DataFrame({'Alphabet': ['a', 'b', 'c', 'd','e', 'f', 'g', 'h','i'],
'A': [4, 3, 5, 2, 1, 7, 7, 5, 9],
'B': [0, 4, 3, 6, 7, 10, 11, 9, 13],
'C': [1, 2, 3, 1, 2, 3, 1, 2, 3]})

# Take the name of input variable df and assign it to an R variable of the same nam
%%R -i df

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 18/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

# Plot the DataFrame df

ggplot(data=df) + geom_point(aes(x=A, y=B, color=C))

Sin embargo, esto no es más que una inicial, casi todo lo que puedes hacer con
las magias R. También puede empujar variables de Python a R y volverlas a
Python. Lea la documentación (¡con ejemplos de fácil acceso!)  Aquí .

Cuadernos interactivos como paneles: widgets

Los comandos mágicos ya hacen mucho para que su ujo de trabajo con los
portátiles sea agradable, ¡pero también puede tomar medidas adicionales para
que su portátil sea un lugar interactivo para los demás al agregarle widgets!

Para agregar widgets a su computadora portátil, debe importar

widgets desde ipywidgets:

from ipywidgets import widgets

¡Eso es suficiente para comenzar! Es posible que desee pensar ahora en qué tipo
de widget desea agregar. Los tipos básicos de widgets son entrada de texto,
botones y widgets basados en entradas.  

Vea un ejemplo de un widget de entrada de texto a continuación:

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 19/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Este ejemplo fue tomado de un maravilloso tutorial sobre la construcción de

tableros interactivos en Jupyter, que puede encontrar en  esta página .

Comparta sus cuadernos Jupyter

En la práctica, es posible que desee compartir sus cuadernos con colegas o

amigos para mostrarles lo que ha estado haciendo o como una cartera de
ciencias de datos para futuros empleadores. Sin embargo, los documentos del
cuaderno son documentos JSON que contienen texto, código fuente, salida de
medios enriquecidos y metadatos. Cada segmento del documento se almacena
en una celda.

Lo ideal es que no quiera moverse y compartir archivos JSON. 

Es por eso que desea encontrar y usar otras formas de compartir sus
documentos con otros.

Cuando crees un cuaderno, verás un botón en la barra de menú que dice

" Archivo" . Al hacer clic en esto, verá que Jupyter le ofrece la opción de descargar
su cuaderno como HTML, PDF, Markdown o reStructuredText, o un script de
Python o un archivo de Notebook.

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 20/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Puede usar el nbconvert comando para convertir su archivo de documento

portátil a otro formato estático, como HTML, PDF, LaTex, Markdown,
reStructuredText, ... ¡Pero no olvide importar nbconvert  primero si aún no lo
tiene! 

Luego, puede dar algo como el siguiente comando para convertir sus cuadernos: 

jupyter nbconvert --to html Untitled4.ipynb

Con nbconvert , puede asegurarse de que puede calcular un cuaderno completo de

forma no interactiva, guardándolo en su lugar o en una variedad de otros
formatos. El hecho de que pueda hacer esto hace que los portátiles sean una
herramienta poderosa para ETL y para generar informes. Para informar, solo
asegúrese de programar una ejecución del portátil cada tantos días, semanas o
meses; Para un oleoducto ETL, puede utilizar los comandos mágicos en su
computadora portátil en combinación con algún tipo de programación.

Además de estas opciones, también podría considerar lo siguiente:

Puede crear, enumerar y cargar GitHub Gists desde sus documentos de cuaderno.
Puede encontrar más información aquí . Las fuentes son una forma de compartir
su trabajo porque puede compartir archivos individuales, partes de archivos o
aplicaciones completas.
Con jupyterhub , puede generar, administrar y proxy varias instancias del servidor
portátil Jupyter de un solo usuario. En otras palabras, es una plataforma para
alojar portátiles en un servidor con múltiples usuarios. Eso lo convierte en el
recurso ideal para proporcionar cuadernos a una clase de estudiantes, un grupo de
ciencias de datos corporativas o un grupo de investigación científica.
Utilice la carpeta y tmpnb para obtener entornos temporales para reproducir la
ejecución de su cuaderno. 
Puede usar  nbviewer  para convertir cuadernos como páginas web estáticas. 

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 21/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Para convertir sus cuadernos en pases de diapositivas, puede pasar a  nbpresent y

RISE .
jupyter_dashboards  será útil si desea mostrar los cuadernos como paneles
interactivos.
Cree un blog desde su computadora portátil con el complemento Pelican .

Cuadernos Jupyter en práctica

Todo esto es muy interesante cuando trabajas solo en un proyecto de ciencia de

datos. Pero la mayoría de las veces, no estás solo. Puede que algunos amigos
miren su código o necesitará que sus colegas contribuyan a su cuaderno.

¿Cómo deberías usar estos portátiles en la práctica cuando trabajas en equipo?

Los siguientes consejos lo ayudarán a usar portátiles de manera efectiva y

eficiente en su proyecto de ciencia de datos.

Consejos para utilizar de forma e caz y e ciente sus portátiles Jupyter

El uso de estos portátiles no significa que no necesite seguir las prácticas de

codificación que normalmente aplicaría.

Probablemente ya conozca el ejercicio, pero estos principios incluyen lo

siguiente:

Intente proporcionar comentarios y documentación a su código. ¡Podrían ser una

gran ayuda para otros!
También considere un esquema de nomenclatura consistente, agrupación de
códigos, limite su longitud de línea, ...  
No tengas miedo de refactorizar cuando o si es necesario

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 22/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Además de estas mejores prácticas generales para la programación, también

puede considerar los siguientes consejos para que sus portátiles sean la mejor
fuente para que otros usuarios puedan aprender:

¡No olvides nombrar los documentos de tu cuaderno!

Intente mantener simples las celdas de su computadora portátil: no exceda el
ancho de su celda y asegúrese de no colocar demasiadas funciones relacionadas en
una celda.  
Si es posible, importe sus paquetes en la primera celda de códigos de su
computadora portátil y
Muestra los gráficos en línea. El comando mágico %matplotlib
inline definitivamente será útil para suprimir el resultado de la función en una

línea final. No olvide agregar un punto y coma para suprimir el resultado y

simplemente devolver la trama en sí. 
A veces, su computadora portátil puede llegar a ser muy codificada o tal vez solo
desea tener un informe más limpio. En esos casos, podría considerar ocultar parte
de este código. Ya puede esconder parte del código mediante el uso de comandos
mágicos, como %run para ejecutar un script de Python completo como si estuviera
en una celda del portátil. Sin embargo, esto podría no ayudarle en la medida en que
lo espere. En tales casos, siempre puede consultar este tutorial sobre la visibilidad
opcional del código o considerar alternar las celdas de códigos de su computadora
portátil.

Cuadernos Jupyter para equipos de ciencia de datos: mejores prácticas

Jonathan Whitmore escribió en su artículo  algunas prácticas para el uso de

computadoras portátiles para ciencia de datos y aborda específicamente el
hecho de que trabajar con el portátil en problemas de ciencias de datos en un
equipo puede ser todo un desafío. 

Es por eso que Jonathan sugiere algunas buenas prácticas:

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 23/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Use dos tipos de cuadernos para un proyecto de ciencias de datos, a saber, un

cuaderno de laboratorio y un cuaderno entregable. La diferencia entre los dos
(además de lo obvio que puede inferir de los nombres que se le dan a los
cuadernos) es el hecho de que los individuos controlan el cuaderno de laboratorio,
mientras que el cuaderno de entrega está controlado por todo el equipo de ciencia
de datos. 
Utilice algún tipo de control de versiones (Git, Github, ...). No olvide consignar
también el archivo HTML si su sistema de control de versiones carece de
capacidades de renderizado, y 
Use reglas explícitas sobre el nombre de sus documentos.  

Aprenda de los mejores cuadernos

Esta sección tiene la intención de darle una breve lista con algunos de los
mejores cuadernos que están disponibles para que pueda comenzar a aprender
de estos ejemplos. 

Los cuadernos también se utilizan para complementar libros, como el Manual de

Python Data Science. Puedes encontrar los cuadernos aquí .
Se escribe un informe sobre una competencia Kaggle en este blog , generado a
partir de un cuaderno.
Este tutorial matplotlib  es un gran ejemplo de lo bien que un cuaderno puede
servir como un medio para enseñar a otras personas temas como el científico
Python. 
Por último, asegúrese de consultar también la  serie de tutoriales La Importancia
del Preprocesamiento en Data Science y Machine Pipeline que se generó a partir de
un cuaderno.

Tenga en cuenta que esta lista definitivamente no es exhaustiva. ¡Hay muchos

más cuadernos por ahí!

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 24/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

Encontrará que muchas personas componen regularmente y han compuesto

listas con cuadernos interesantes. No te pierdas esta galería de cuadernos
interesantes de IPython  o este artículo de KDnuggets .

▲
18

Suscribirse a RSS

Acerca de los términos de privacidad

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 25/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 26/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 27/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 28/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 29/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 30/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 31/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 32/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 33/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 34/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 35/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 36/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 37/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 38/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 39/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 40/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 41/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 42/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 43/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 44/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 45/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 46/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 47/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 48/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 49/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 50/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 51/52
20/10/2017 Jupyter Notebook Tutorial: Guía definitiva (artículo) - DataCamp

https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook 52/52