[PYTHON] Essayez d'utiliser Jupyter Notebook de manière dynamique

Environnement actuel

• ASUS C300
• Chrome OS(linux-64)
• miniconda3-3.18.3
• python 3.5.1
• jupyter 4.0.6
• chromebrew + git installé

RISE

• Utilisation de live_reveal J'ai pu générer du HTML dynamique, mais récemment un projet appelé RISE semble être bon.
• Je n'ai pas pu créer l'environnement pour une raison quelconque lorsque ipython 3.x + live_reveal, mais cette fois je suis entré rapidement.

git clone https://github.com/damianavila/RISE
cd RISE
python setup.py install

• Cela ajoutera un bouton de diaporama au jupyter sur localhost
• Vous pouvez présenter avec du HTML dynamique et même le code à l'intérieur peut être réécrit «J'ai écrit jusqu'à ce point et j'ai remarqué qu'il y avait déjà un merveilleux article de Qiita.

pivottablejs [URL de référence](http://esu-ko.hatenablog.com/entry/2016/03/04/Python%E3%81%A7%E6%8E%A2%E7%B4%A2%E7%9A%84 % E3% 83% 87% E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E3% 81% 97% E3% 81% 9F% E3% 81% 84% E3 % 81% AE% E3% 81% A7pivottablejs% E3% 82% 92% E4% BD% BF% E3% 81% 86)

conda install pivottablejs

• Vous pouvez étendre le dessin graphique des pandas pour passer dynamiquement du tableau au diagramme de dispersion et changer l'axe du diagramme de dispersion.

ipywidgets.interact

• Il y a aussi un merveilleux article sur Qiita.
• Dans Jupyter 4.x, IPython.html.widgets est obsolète et est désormais ipy widgets. --Installation

conda install ipywidgets

Passer une fonction et des paramètres à interagir générera un widget qui modifie les paramètres.

Vous pouvez également utiliser interagir comme décorateur de fonctions, Cette méthode est également assez intelligente.

bokeh --Bien que la version soit fréquemment mise à jour et que l'API ne soit pas stable, vous pouvez agrandir ou réduire la visualisation appelée bokeh. Il y a une bibliothèque.

• Référence
• Si vous laissez interect spécifier les paramètres et dessiner avec bokeh, vous aurez l'impression d'utiliser spotfire ou tableau.

conda install bokeh

Exemple d'utilisation

from sklearn.datasets import load_breast_cancer
import pandas as pd
cancer=load_breast_cancer()
data=pd.DataFrame(cancer.data,columns=cancer.feature_names)
data["target"]=[cancer.target_names[i] for i in cancer.target]

def interactivebokeh(x_axis,y_axis):
    fig=bplt.figure(plot_width=640, plot_height=320)
    fig.circle(
                data[data.target=="malignant"][x_axis],
                data[data.target=="malignant"][y_axis],
                line_color="red",fill_color="red"
                )
    fig.square(
                data[data.target=="benign"][x_axis],
                data[data.target=="benign"][y_axis],
                line_color="blue",fill_color="blue"
                )
    bplt.show(fig)