最近很多小伙伴都在问如何为每个ipython笔记本单元设置默认单元魔术？这两个问题，那么本篇文章就来给大家详细解答一下，同时本文还将给你拓展css–2列上的Ipython笔记本、html–如何更改ip
最近很多小伙伴都在问如何为每个ipython笔记本单元设置默认单元魔术？这两个问题，那么本篇文章就来给大家详细解答一下，同时本文还将给你拓展css – 2列上的Ipython笔记本、html – 如何更改ipython笔记本中的字体、IPtthon笔记本在plt.show()之后停止评估单元格、ipython-notebook – iPython笔记本不支持VPN等相关知识，下面开始了哦！
本文目录一览：- 如何为每个ipython笔记本单元设置默认单元魔术？
- css – 2列上的Ipython笔记本
- html – 如何更改ipython笔记本中的字体
- IPtthon笔记本在plt.show()之后停止评估单元格
- ipython-notebook – iPython笔记本不支持VPN
如何为每个ipython笔记本单元设置默认单元魔术？
我有一个完全由R单元组成的iPython笔记本。在每个单元格的开头，我对R单元格的定义如下：
%%R但是，有没有一种方法可以将其设置为整个笔记本的默认值，因此我不必在每个单元格中都键入它？
答案1
小编典典IRKernel是@cel建议的ipython /
jupyter的R内核。有很多，你可以使用其他内核。
css – 2列上的Ipython笔记本
我知道可以使用自定义css来改变外观(例如 https://github.com/nsonnad/base16-ipython-notebook/blob/master/ipython-3/output/base16-3024-dark.css),是否也可以进行布局？
另一方面,我找到了一个如何使用css创建表格布局的例子(https://pixelsvsbytes.com/2012/02/this-css-layout-grid-is-no-holy-grail/),但不熟悉CSS我不明白这是否可以应用于未知数量的相等块(未知因为它们是由用户交互生成的.作为参考,这里是如何看起来像：
解决方法
from IPython.core.display import HTML
HTML("<style> div.code_cell{width: 75%;float: left;}"
+"div.text_cell{width: 25%;float: right;}"
+"div.text_cell div.prompt {display: none;}</style>")
现在当你输入一个单元格并想要它在右边按esc-r(或m).
esc-取消选择它并允许笔记本处理命令. r是制作原始单元格的命令.
html – 如何更改ipython笔记本中的字体
作为参考,这些是回答以下链接的SO问题：
> in #1：一个未命名的文件在/usr/lib/python2.6/…/css/
> in comment to #1：在浏览器中更改等宽字体 – 工作,但字体是斜体
> in #2：custom.css in profile子目录/static/custom/custom.css
相关问题：
> Change ipython notebook font type
> Change font & background color in ipython notebook
> Changing (back to default) font in ipython notebook(未回覆) –
编辑：
根据#1的回答评论中的建议,更改浏览器中的等宽字体工作.然而字体是斜体的,这不是什么意思.
解决方法
然后,在.ipython中,您将看到默认的profile_default目录.该目录将具有static / custom / custom.css文件.
您现在可以将更改应用于此custom.css文件.您可以使用或搜索的custom.css文件中有很多样式.例如,你可以看到this link(这是我自己定制的custom.css文件)
基本上,此custom.css文件将更改应用于浏览器.您可以在ipython笔记本中使用inspect元素来查看要更改的元素.然后,您可以更改为custom.css文件.例如,您可以添加这些块来更改.CodeMirror pre中的字体以键入Monaco
.CodeMirror pre {font-family：Monaco; font-size：9pt;}
IPtthon笔记本在plt.show()之后停止评估单元格
这是我用过的代码.
Cell Toolbar:
Question 1: Rotational Invariance of PCA
I(1): Importing the data sets and plotting a scatter plot of the two.
In [1]:
# Channging the working directory
import os
os.getcwd()
path="/Users/file/"
os.chdir(path)
pwd=os.getcwd()
print(pwd)
# Importing the libraries
import pandas as pd
import numpy as np
import scipy as sp
# Mentioning the files to be imported
file=["2d-gaussian.csv","2d-gaussian-rotated.csv"]
# Importing the two csv files in pandas dataframes
XI=pd.read_csv(file[0],header=None)
XII=pd.read_csv(file[1],header=None)
#XI
XII
Out[5]:
0 1
0 1.372310 -2.111748
1 -0.397896 1.968246
2 0.336945 1.338646
3 1.983127 -2.462349
4 -0.846672 0.606716
5 0.582438 -0.645748
6 4.346416 -4.645564
7 0.830186 -0.599138
8 -2.460311 2.096945
9 -1.594642 2.828128
10 3.767641 -3.401645
11 0.455917 -0.224665
12 2.878315 -2.243932
13 -1.062223 0.142675
14 -0.698950 1.113589
15 -4.681619 4.289080
16 0.411498 -0.041293
17 0.276973 0.187699
18 1.500835 -0.284463
19 -0.387535 -0.265205
20 3.594708 -2.581400
21 2.263455 -2.660592
22 -1.686090 1.566998
23 1.381510 -0.944383
24 -0.085535 -1.697205
25 1.030609 -1.448967
26 3.647413 -3.322129
27 -3.474906 2.977695
28 -7.930797 8.506523
29 -0.931702 1.440784
... ... ...
70 4.433750 -2.515612
71 1.495646 -0.058674
72 -0.928938 0.605706
73 -0.890883 -0.005911
74 -2.245630 1.333171
75 -0.707405 0.121334
76 0.675536 -0.822801
77 1.975917 -1.757632
78 -1.239322 2.053495
79 -2.360047 1.842387
80 2.436710 -1.445505
81 0.348497 -0.635207
82 -1.423243 -0.017132
83 0.881054 -1.823523
84 0.052809 1.505141
85 -2.466735 2.406453
86 -0.499472 0.970673
87 4.489547 -4.443907
88 -2.000164 4.125330
89 1.833832 -1.611077
90 -0.944030 0.771001
91 -1.677884 1.920365
92 0.372318 -0.474329
93 -2.073669 2.020200
94 -0.131636 -0.844568
95 -1.011576 1.718216
96 -1.017175 -0.005438
97 5.677248 -4.572855
98 2.179323 -1.704361
99 1.029635 -0.420458
100 rows × 2 columns
The two raw csv files have been imported as data frames. Next we will concatenate both the dataframes into one dataframe to plot a combined scatter plot
In [6]:
# Joining two dataframes into one.
df_combined=pd.concat([XI,XII],axis=1,ignore_index=True)
df_combined
Out[6]:
0 1 2 3
0 2.463601 -0.522861 1.372310 -2.111748
1 -1.673115 1.110405 -0.397896 1.968246
2 -0.708310 1.184822 0.336945 1.338646
3 3.143426 -0.338861 1.983127 -2.462349
4 -1.027700 -0.169674 -0.846672 0.606716
5 0.868458 -0.044767 0.582438 -0.645748
6 6.358290 -0.211529 4.346416 -4.645564
7 1.010685 0.163375 0.830186 -0.599138
8 -3.222466 -0.256939 -2.460311 2.096945
9 -3.127371 0.872207 -1.594642 2.828128
10 5.069451 0.258798 3.767641 -3.401645
11 0.481244 0.163520 0.455917 -0.224665
12 3.621976 0.448577 2.878315 -2.243932
13 -0.851991 -0.650218 -1.062223 0.142675
14 -1.281659 0.293194 -0.698950 1.113589
15 -6.343242 -0.277567 -4.681619 4.289080
16 0.320172 0.261774 0.411498 -0.041293
17 0.063126 0.328573 0.276973 0.187699
18 1.262396 0.860105 1.500835 -0.284463
19 -0.086500 -0.461557 -0.387535 -0.265205
20 4.367168 0.716517 3.594708 -2.581400
21 3.481827 -0.280818 2.263455 -2.660592
22 -2.300280 -0.084211 -1.686090 1.566998
23 1.644655 0.309095 1.381510 -0.944383
24 1.139623 -1.260587 -0.085535 -1.697205
25 1.753325 -0.295824 1.030609 -1.448967
26 4.928210 0.230011 3.647413 -3.322129
27 -4.562678 -0.351581 -3.474906 2.977695
28 -11.622940 0.407100 -7.930797 8.506523
29 -1.677601 0.359976 -0.931702 1.440784
... ... ... ... ...
70 4.913941 1.356329 4.433750 -2.515612
71 1.099070 1.016093 1.495646 -0.058674
72 -1.085156 -0.228560 -0.928938 0.605706
73 -0.625769 -0.634129 -0.890883 -0.005911
74 -2.530594 -0.645206 -2.245630 1.333171
75 -0.586007 -0.414415 -0.707405 0.121334
76 1.059484 -0.104132 0.675536 -0.822801
77 2.640018 0.154351 1.975917 -1.757632
78 -2.328373 0.575707 -1.239322 2.053495
79 -2.971570 -0.366041 -2.360047 1.842387
80 2.745141 0.700888 2.436710 -1.445505
81 0.695584 -0.202735 0.348497 -0.635207
82 -0.994271 -1.018499 -1.423243 -0.017132
83 1.912425 -0.666426 0.881054 -1.823523
84 -1.026954 1.101637 0.052809 1.505141
85 -3.445865 -0.042626 -2.466735 2.406453
86 -1.039549 0.333189 -0.499472 0.970673
87 6.316906 0.032272 4.489547 -4.443907
88 -4.331379 1.502719 -2.000164 4.125330
89 2.435918 0.157511 1.833832 -1.611077
90 -1.212710 -0.122350 -0.944030 0.771001
91 -2.544347 0.171460 -1.677884 1.920365
92 0.598670 -0.072133 0.372318 -0.474329
93 -2.894802 -0.037809 -2.073669 2.020200
94 0.504119 -0.690281 -0.131636 -0.844568
95 -1.930254 0.499670 -1.011576 1.718216
96 -0.715406 -0.723096 -1.017175 -0.005438
97 7.247917 0.780923 5.677248 -4.572855
98 2.746180 0.335849 2.179323 -1.704361
99 1.025371 0.430754 1.029635 -0.420458
100 rows × 4 columns
Plotting two separate scatter plot of all the four columns onto one scatter diagram
In [ ]:
import matplotlib.pyplot as plt
# Fucntion for scatter plot
def scatter_plot():
# plots scatter for first two columns(Unrotated Gaussian data)
plt.scatter(df_combined.ix[:,0],df_combined.ix[:,1],color='red',marker='+')
# plots scatter for Rotated Gaussian data
plt.scatter(df_combined.ix[:,2],3],color='green',marker='x')
legend = plt.legend(loc='upper right')
# set ranges of x and y axes
plt.xlim([-12,12])
plt.ylim([-12,12])
plt.show()
# Function call
scatter_plot()
In [ ]:
def plot_me1():
# create figure and axes
fig = plt.figure()
# split the page into a 1x1 array of subplots and put me in the first one (111)
# (as a matter of fact,the only one)
ax = fig.add_subplot(111)
# plots scatter for x,y1
ax.scatter(df_combined.ix[:,marker='+',s=100)
# plots scatter for x,y2
ax.scatter(df_combined.ix[:,marker='x',s=100)
plt.xlim([-12,12])
plt.show()
plot_me1()
In [ ]:
解决方法
而是使用％matplotlib内联或酷新的％matplotlib笔记本开始你的笔记本(后者只能使用matplotlib> = 1.4.3和ipython> = 3.0)
在评估每个单元格后,(仍然打开的)图形对象会自动显示在您的笔记本中.
这个最小的代码示例适用于笔记本.请注意,它不会调用plt.show()
%matplotlib inline import matplotlib.pyplot as plt x = [1,2,3] y = [3,1] _ = plt.plot(x,y)
％matplotlib内联只显示图像.
最近添加了％matplotlib笔记本,并提供了交互式后端的许多很酷的功能(缩放,测量……)：
ipython-notebook – iPython笔记本不支持VPN
Astrill Error Connection Closed Gracefully
如果VPN正在运行,iPython笔记本也不会让我打开或保存工作簿.知道为什么以及如何解决这个问题？
解决方法
whitelist means an address list of direct access,which your VPN would not transfer the corresponding traffic to the proxy address.
今天的关于如何为每个ipython笔记本单元设置默认单元魔术？的分享已经结束，谢谢您的关注，如果想了解更多关于css – 2列上的Ipython笔记本、html – 如何更改ipython笔记本中的字体、IPtthon笔记本在plt.show()之后停止评估单元格、ipython-notebook – iPython笔记本不支持VPN的相关知识，请在本站进行查询。
本文标签：
