Refactorisation de Notebooks Jupyter

VérifiéSûr

Analyse les fichiers Jupyter Notebook (.ipynb) en JSON pour identifier et remplacer en masse des instructions d'importation ou des blocs de code spécifiques. Utile pour renommer des modules, mettre à jour des appels de fonction ou standardiser des motifs de code dans plusieurs notebooks d'un répertoire.

Spar Skills Guide Bot
DeveloppementIntermédiaire
02/06/2026
Claude CodeCursorWindsurfCodex
#jupyter#notebook#refactoring#batch-replace#code-analysis

Recommandé pour

Synthèse automatique

Analyse et effectue des remplacements par lots d'imports ou de blocs de code dans les fichiers Jupyter Notebook (.ipynb) de manière programmatique.

Points forts

  • Permet une recherche et un remplacement précis via regex sur plusieurs notebooks
  • Préserve la structure JSON du notebook et le format source des cellules
  • Automatise les tâches de refactorisation répétitives et sujettes à erreurs manuelles

Limites

  • Nécessite une regex attentive pour éviter des modifications non voulues
  • Inadapté aux transformations sémantiques (ex. renommer des variables au-delà de simples chaînes)
  • Peut nécessiter une relecture manuelle après remplacement pour valider l'exactitude
Quand l'utiliser

Utilisez cette compétence lorsque vous devez mettre à jour des imports, des fonctions obsolètes ou des motifs de code dans un grand nombre de notebooks Jupyter.

Quand l'éviter

Évitez cette compétence pour des modifications ponctuelles dans un seul notebook ou lorsque la transformation nécessite la compréhension de l'état d'exécution ou des dépendances de données.

Analyse de sécurité

Sûr
Score qualité85/100

The skill performs local file manipulations on Jupyter notebooks using Python and does not execute arbitrary shell commands, exfiltrate data, or disable security features. It uses standard JSON parsing and writing, with no destructive patterns.

Aucun point d'attention détecté

Comment cette analyse est faite

Exemples

Replace import statement in all notebooks
Replace all occurrences of 'from gwexpy.noise import asd' with 'from gwexpy.noise import asd_updated' in every .ipynb file under the current directory.
Rename function call across multiple notebooks
In all Jupyter notebooks in the 'experiments' folder, replace 'old_function(' with 'new_function(' in all code cells.
Change plotting library import
Replace 'import matplotlib.pyplot as plt' with 'import seaborn as sns' in all code cells of notebooks in the 'reports' subdirectory.

name: refactor_nb description: Jupyter Notebook (.ipynb) 内のコード要素を一括置換・リファクタリングする

refactor_notebooks Skill

This skill is for programmatically analyzing Jupyter Notebook (.ipynb) files and performing batch replacement or modification of specific import patterns or code blocks.

Instructions

  1. Analyze Notebook Structure:

    • Load .ipynb files as JSON using Python and iterate through the cells list.
    • Verify if the cell_type of each cell is code.
  2. Filter and Match:

    • Join the source field (list format) into a string and use regular expressions or keyword matching to identify target cells.
    • Target specific import statements (e.g., from gwexpy.noise import asd), function calls, or targeted comments.
  3. Implement Transformation:

    • Create a transformation script to rewrite the source list of the cells in memory.
    • The updated source must be in list format (each element as a string ending with a newline).
  4. Write and Verify:

    • Save the file using json.dump, maintaining an indent of 1 (a gwexpy convention) and specifying ensure_ascii=False.
    • Verify that the resulting notebook is valid JSON and that the intended changes have been applied using view_file or similar.

Usage Guidelines

  • When modifying multiple notebooks across a directory, create a loop script that collects .ipynb files using glob or similar.
  • For complex refactoring, adopt a workflow of saving the logic as a temporary .py script, executing it via run_command, and then deleting the script.

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/jupyter-notebook-refactoring-mmio71rm/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/jupyter-notebook-refactoring-mmio71rm' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/jupyter-notebook-refactoring-mmio71rm/download' --output '.skill-downloads/jupyter-notebook-refactoring-mmio71rm/SKILL.md.part' && mv '.skill-downloads/jupyter-notebook-refactoring-mmio71rm/SKILL.md.part' '.skill-downloads/jupyter-notebook-refactoring-mmio71rm/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/jupyter-notebook-refactoring-mmio71rm/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires