Jupyter 插件太好用了

大家好，我是一行

今天给大家推荐一个牛掰的 Jupter 插件 text2code。

Jupyter 是我几乎每天都用的工具，敲代码也早已习以为常。但是，最近GitHub热榜上出现了这样一个插件，让我有点不知所错了！

这个插件是一个可以 让文本自动转化成代码 的工具，看看下面这波操作有多溜。

Q：what do you want to do?

A：make pie chart of flavor_of_tea from df

简单的 make pie from df 直接就给我画出个饼图来。

其实，Python语言已经把编程的门槛变得很低了，快速入门没难度。而这个插件的出现好像再一次刷新了门槛，它直接可以将我们输入的语言文本翻译成我们想要的代码。

text2code介绍

https://github.com/deepklarity/jupyter-text2code

原理我就不过多介绍了，主要是用了监督学习模型，通过学习自然语言和代码的对应语料，然后进行训练完成的，感兴趣的可以去上面链接自行学习。

支持操作系统

• Ubuntu
• macOS

插件安装

安装分两种情况，有GPU和无GPU。

GPU安装

$ git clone https://github.com/deepklarity/jupyter-text2code.git
$ cd jupyter-text2code
$ pip install .

仅CPU安装

对于Mac和其他没有nvidia GPU的Ubuntu安装，我们需要在安装时显式设置环境变量。

git clone https://github.com/deepklarity/jupyter-text2code.git
export JUPYTER_TEXT2CODE_MODE="cpu"
cd jupyter-text2code
pip install .

使用说明

• 打开 Jupyter Notebook
• 如果安装成功完成，那么将首次从中下载 Universal Sentence Encoder 模型 tensorflow_hub。
• 单击 Terminal 菜单上显示的图标，以激活扩展名
• 键入“帮助”以查看存储库中当前受支持的命令的列表
• 观看演示视频中的一些示例

总结

如果大家感兴趣可以去尝试一下。

话说回来，每次遇到这种智能工具，我是既感到庆幸，又感到可怕。

庆幸的是，这个插件如果好用，那对数据分析师是利好的，可以在某种程度上减轻代码的压力。

可怕的是，朝这个方向和速度发展下去，编程的门槛会越来越低，如果自身核心竞争力再没有提高，仍浮于表面，那未来很可能被取代。