3 Jupyter Notebook (Python) Tricks

Einführung

Vor kurzem war ich Jupyter Notebook (Python3) zu Dank verpflichtet. Ich werde es posten, weil einige Tricks zugenommen haben.

Umgebung

• Jupyter Notebook 4.2.x

• Python 3.5.x

• Beispielsweise kann es in der Jupyter-Umgebung im Docker von https://github.com/mokemokechicken/jupyter-tensorflow verwendet werden.

Tipps

Konvertieren Sie das Ergebnis des sklearn-Entscheidungsbaums in ein Diagramm und zeigen Sie es inline an

Entscheidungsbäume wie "sklearn.tree.tree.DecisionTreeClassifier" können im Punktformat ausgegeben werden, aber der Versuch, sie auf einem Notizbuch anzuzeigen, ist ziemlich ärgerlich. Mit bestimmten Vorbereitungen und Verfahren können Sie dies jedoch problemlos tun.

Dinge notwendig

• Wenn graphviz auf dem Betriebssystem installiert ist, befindet sich die Umgebungsvariable PATH in "dot"

Methode

Definieren Sie eine solche Funktion.

decision_tree_util.py

import os
from tempfile import mkstemp
import subprocess

from sklearn.tree.export import export_graphviz


def convert_decision_tree_to_ipython_image(clf, feature_names=None, class_names=None,
                                           image_filename=None, tmp_dir=None):
    dot_filename = mkstemp(suffix='.dot', dir=tmp_dir)[1]
    with open(dot_filename, "w") as out_file:
        export_graphviz(clf, out_file=out_file,
                        feature_names=feature_names,
                        class_names=class_names,
                        filled=True, rounded=True,
                        special_characters=True)

    from IPython.display import Image

    image_filename = image_filename or ('%s.png' % dot_filename)

    subprocess.call(('dot -Tpng -o %s %s' % (image_filename, dot_filename)).split(' '))
    image = Image(filename=image_filename)
    os.remove(dot_filename)
    return image

Sie können es so verwenden.

notebook

from sklearn import datasets
from sklearn.tree.tree import DecisionTreeClassifier
%matplotlib inline

iris = datasets.load_iris()
X = iris.data
Y = iris.target

clf = DecisionTreeClassifier(max_depth=3)
clf.fit(X, Y)
convert_decision_tree_to_ipython_image(clf, image_filename='tree.png')

Laden Sie die importierte Datei zur Laufzeit neu

Möglicherweise möchten Sie neu laden, da Sie die zu importierende Datei von einem anderen Speicherort geändert haben. Wenn Sie Folgendes schreiben, wird es jedes Mal neu geladen, wenn Sie ein Notebook ausführen. Bevor ich das wusste, habe ich den Kernel jedes Mal neu gestartet (^^;

%reload_ext autoreload
%autoreload 2

Geben Sie mehrere Diagramme, pandas.DataFrame usw. aus dem Programm auf dem Notizbuch aus

Ich möchte DataFrame usw. ausgeben.

from IPython.core.display import display

Importieren und

display(data_frame)

Dann wird es wie gewohnt angezeigt. Wenn Sie eine Zeichenfolge usw. übergeben, wird die Zeichenfolge normal ausgegeben.

Ich möchte ein Diagramm ausgeben

Wenn Sie so schreiben,

notebook

from IPython.core.display import display
from numpy.random.mtrand import normal
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

display('graph1')
sns.distplot(normal(0, 1, size=1000))
sns.distplot(normal(0.1, 2, size=1000))

display('graph2')
sns.distplot(normal(-2, 2, size=1000))
sns.distplot(normal(2, 4, size=1000))

Die Grafiken werden zusammengefroren und die Grafik wird am Ende angezeigt.

In diesem Fall sollten Sie zum richtigen Zeitpunkt plt.show () aufrufen.

notebook

from IPython.core.display import display
from numpy.random.mtrand import normal
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

display('graph1')
sns.distplot(normal(0, 1, size=1000))
sns.distplot(normal(0.1, 2, size=1000))
plt.show()

display('graph1')
sns.distplot(normal(-2, 2, size=1000))
sns.distplot(normal(2, 4, size=1000))
plt.show()

Dies kann nicht nur für Skripte auf Notebooks verwendet werden, sondern auch, wenn Sie aus normalem Quellcode auf Notebooks ausgeben möchten.

schließlich

Es war ein Trick.