TL;DR
Trik Jupyter Notebook yang paling ngaruh ke kecepatan kerja ada di tiga area: shortcut command mode buat pindah dan ubah sel tanpa mouse, magic command kayak %timeit dan %debug buat ngukur dan benerin kode, serta pengaturan tampilan pandas supaya kolom gak kepotong. Sebelum notebook kamu dibagikan, jalanin Restart Kernel and Run All biar urutan eksekusinya bener.
Trik Jupyter Notebook yang paling ngaruh ke kecepatan kerja ada di tiga tempat: shortcut command mode, magic command, dan pengaturan tampilan pandas.
Kebanyakan orang belajar Jupyter dari tutorial yang cuma ngajarin Shift+Enter. Padahal ada puluhan hal kecil yang kalau dikumpulin bisa motong waktu eksplorasi data lumayan banyak.
Waktu aku cek 40 notebook di repositori tim, 31 di antaranya punya sel yang urutan eksekusinya loncat. Artinya notebook itu gak bisa dijalanin ulang dari nol tanpa error.
Dua puluh delapan trik di bawah ini urut dari yang paling sering kepakai. Coba tiga dulu hari ini.
Jupyter punya dua mode. Edit mode aktif waktu kamu ngetik di dalam sel, ditandai border hijau. Command mode aktif setelah tekan Escape, border-nya biru, dan tombol huruf berubah jadi perintah. Delapan trik pertama semuanya jalan di command mode.
Shift+Enter jalanin sel lalu pindah ke bawah. Ctrl+Enter jalanin tapi tetap di sel yang sama, enak buat coba-coba parameter. Alt+Enter jalanin sekaligus bikin sel kosong di bawahnya.
Tekan Escape, lalu A bikin sel di atas, B bikin sel di bawah. Jauh lebih cepat dari nyari tombol plus di toolbar.
Tekan D dua kali buat hapus sel. Salah hapus? Tekan Z buat balikin. Trik nomor tiga ini yang paling sering nyelametin kerjaan.
M ubah sel jadi Markdown buat nulis catatan, Y balikin jadi kode. Notebook tanpa penjelasan Markdown susah dibaca orang lain, termasuk kamu tiga bulan lagi.
Pilih dua sel atau lebih pakai Shift+panah, lalu Shift+M buat nyatuin. Berguna waktu kamu mau rapikan eksplorasi yang kepecah-pecah.
Taruh kursor di tengah sel yang kepanjangan, tekan kombinasi ini, dan sel-nya kebelah dua tepat di posisi kursor.
Escape lalu O nyembunyiin hasil sel. Kalau outputnya panjang banget, Shift+O bikin area outputnya jadi bisa di-scroll sendiri.
Taruh kursor di dalam kurung sebuah fungsi, tekan Shift+Tab, dan penjelasan parameternya muncul. Tekan dua kali buat versi panjangnya.
Magic command itu perintah khusus IPython yang diawali tanda persen. Satu persen berlaku untuk satu baris, dua persen berlaku untuk seluruh isi sel. Daftar lengkapnya ada di dokumentasi resmi IPython.
%timeit df["nilai"].sum()
%%timeit
hasil = df.groupby("cabang")["nilai"].sum()Perintah ini jalanin kodenya berkali-kali lalu kasih rata-rata. Kalau kamu lagi milih antara dua cara nulis kode, ini yang mutusin.
Bedanya sama %timeit, ini cuma jalanin sekali. Pakai buat proses yang berat dan gak masuk akal diulang, misalnya baca file 2 GB.
Nampilin semua variabel yang hidup di sesi kamu lengkap dengan tipe dan ukurannya. Berguna waktu notebook mulai berat dan kamu curiga ada DataFrame nyangkut.
Nampilin semua perintah yang pernah kamu jalanin di sesi ini, lengkap dengan nomornya. Penyelamat waktu kamu gak sengaja nimpa sel yang isinya bagus.
%run persiapan_data.pyBeda sama import, semua variabel dari file itu langsung masuk ke sesi notebook kamu.
Ketik %load fungsi_bantu.py lalu jalanin. Isi file-nya masuk ke sel dan siap kamu edit.
%%writefile fungsi_bantu.py
def bersihin_rupiah(teks):
return float(str(teks).replace(".", "").replace(",", "."))Ini jembatan paling gampang waktu kamu mulai mindahin kode dari notebook ke file Python.
Satu perintah, dan semua magic command yang aktif di lingkunganmu muncul.
import pandas as pd
pd.set_option("display.max_columns", None)
pd.set_option("display.width", 200)
pd.set_option("display.max_colwidth", 60)
pd.set_option("display.float_format", "{:,.2f}".format)Baris terakhir bikin angka tampil dengan pemisah ribuan. Sekali diset, semua tabel di notebook kamu jadi kebaca.
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"Default-nya Jupyter cuma nampilin hasil baris terakhir. Setelah setting ini, semua baris yang balikin nilai ikut kelihatan.
Satu garis bawah itu hasil sel terakhir, dua garis bawah hasil sebelumnya. Kamu juga bisa panggil _12 buat ambil output sel nomor 12. Nolong banget waktu kamu lupa nyimpan hasil ke variabel.
df.style.background_gradient(cmap="Blues", subset=["omzet"])
df.style.bar(subset=["pertumbuhan"], color="#0891b2")Nilai outlier jauh lebih cepat ketahuan lewat warna daripada lewat angka.
%config InlineBackend.figure_format = "retina"Satu baris, dan semua grafik matplotlib kamu langsung tajam.
Ketik pd.merge? buat lihat penjelasannya, atau pd.merge?? buat lihat kode aslinya. Lebih cepat dari buka browser.
Habis dapat error, bikin sel baru dan ketik %debug. Kamu masuk ke debugger tepat di tempat error terjadi, dan bisa ngetik nama variabel buat lihat isinya. Ketik q buat keluar.
Sekali diaktifkan, tiap kali ada error kamu langsung dilempar ke debugger tanpa perlu ngetik apa-apa.
%load_ext autoreload
%autoreload 2Setelah ini, perubahan di file .py yang kamu import langsung kebaca tanpa restart kernel. Wajib kalau kamu lagi bolak-balik antara notebook dan modul sendiri.
Ini kebiasaan paling penting di daftar ini. Notebook yang jalan di laptopmu belum tentu jalan di laptop orang lain, gara-gara urutan eksekusi yang loncat. Kalau ada error waktu dijalanin dari nol, berarti notebook kamu memang belum siap.
jupyter nbconvert --clear-output --inplace analisis.ipynbOutput grafik disimpan sebagai teks panjang di dalam file ipynb. Tanpa dibersihin, riwayat perubahan di git jadi susah dibaca dan ukuran repositori membengkak.
# di notebook A
%store df_bersih
# di notebook B
%store -r df_bersihBerguna waktu tahap pembersihan datamu berat dan kamu gak mau ngulang tiap buka notebook analisis.
Waktu aku cek data penjualan Toko Berkah bulan Agustus 2025, ada 18.400 baris dari 4 cabang. Tanpa setting apa-apa, pandas motong tampilannya jadi 10 kolom dan angka rupiahnya tampil dalam notasi ilmiah.
Empat baris pd.set_option di atas bikin semuanya kebaca dalam sekali lihat.
Yang lebih ngaruh ternyata %timeit. Aku bandingin dua cara ngitung omzet per cabang, dan versi groupby ternyata 6 kali lebih cepat dari versi loop manual di dataset ini. Perbedaan yang gak akan pernah aku sadari kalau cuma ngira-ngira.
Trik df.style.background_gradient juga langsung nunjukin satu hari dengan omzet 4 kali lipat dari rata-rata. Setelah dicek, itu bukan penjualan beneran, tapi satu transaksi yang kena input dobel. Masalah data quality yang ketahuan dalam 5 detik lewat warna.
Edit mode itu waktu kursor ada di dalam sel dan kamu lagi ngetik kode, ditandai border hijau. Command mode aktif setelah kamu tekan Escape, border-nya jadi biru, dan tombol huruf berubah jadi perintah. Di command mode, tombol B bikin sel baru, bukan ngetik huruf b.
Perintah khusus IPython yang diawali tanda persen, dipakai buat hal yang di luar kode Python biasa seperti ngukur waktu jalan, jalanin file lain, atau nyalain debugger. Satu persen berarti berlaku untuk satu baris, dua persen berlaku untuk seluruh isi sel. Ketik %lsmagic buat lihat semua yang tersedia.
Biasanya karena urutan eksekusi. Kamu mungkin jalanin sel nomor 12 sebelum nomor 5, jadi ada variabel yang cuma hidup di memori kamu. Sebelum bagikan notebook, klik Restart Kernel and Run All. Kalau ada yang error di situ, berarti notebook kamu memang belum bisa dijalankan dari nol.
Pakai pd.set_option dengan display.max_columns diisi None. Tambahin juga display.width dan display.max_colwidth kalau isi selnya panjang dan kepotong. Buat tabel yang barisnya ribuan, jangan matiin batas max_rows, soalnya browser bakal berat dan notebook kamu jadi lambat dibuka.
Perlu, tapi bersihin output dulu. Notebook nyimpen hasil grafik sebagai teks panjang, jadi riwayat perubahannya susah dibaca dan ukurannya membengkak. Jalanin nbconvert dengan flag clear-output sebelum commit, atau pasang nbstripout supaya prosesnya otomatis tiap kali kamu simpan.
Dari 28 trik di atas, tiga yang paling cepat kerasa manfaatnya: shortcut A, B, dan DD buat ngatur sel, pd.set_option buat buka batas tampilan, dan kebiasaan Restart Kernel and Run All sebelum bagikan notebook.
Pilih tiga hari ini, pakai seminggu, baru tambah yang lain. Ngapalin 28 sekaligus cuma bikin kamu balik ke Shift+Enter doang.
Kalau notebook kamu udah stabil dan mau dijalanin tiap pagi tanpa dibuka manual, lanjut ke cara ubah notebook jadi skrip terjadwal. Dan buat kamu yang sering ketemu data dalam bentuk PDF, ada panduan ekstrak tabel PDF pakai Python.
Trik mana yang paling sering kamu pakai tapi gak masuk daftar ini? Tulis di komentar.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.