GVKun编程网logo

在ipython笔记本中读取单元格内容（macpython读取txt文件）

11

在本文中，我们将给您介绍关于在ipython笔记本中读取单元格内容的详细内容，并且为您解答macpython读取txt文件的相关问题，此外，我们还将为您提供关于anaconda–如何在IPythonj

在本文中，我们将给您介绍关于在ipython笔记本中读取单元格内容的详细内容，并且为您解答macpython读取txt文件的相关问题，此外，我们还将为您提供关于anaconda – 如何在IPython jupyter笔记本中传递命令行参数、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的知识。

本文目录一览：

在ipython笔记本中读取单元格内容（macpython读取txt文件）

在ipython笔记本中读取单元格内容（macpython读取txt文件）

我有一个ipython笔记本电脑，里面有混合markdown和python单元格。

我希望我的一些python单元格读取相邻的markdown单元格并将其作为输入进行处理。

所需情况的一个示例：

CELL 1（降价） ：要执行的SQL代码

CELL 2（降价） ：select * from tbl where x=1

细胞3（python） ：mysql.query(ipython.previous_cell.content)

（语法ipython.previous_cell.content组成）

执行“ CELL 3 ”应等效于mysql.query("select * from tbl where x=1")

如何才能做到这一点 ？

答案1

小编典典

我认为您正在尝试以错误的方式解决问题。

首先是的，有可能以一种真正骇人听闻的方式获得相邻的markdown单元，这在无头笔记本执行中是行不通的。

您要执行的操作是使用IPython单元魔术，该魔术允许任意语法，只要该单元以2个百分号开头，后跟一个标识符即可。

通常，您需要SQL单元格。

您可以参考有关细胞魔术的文档，
或者我可以向您展示如何构建它：

from IPython.core.magic import  (    Magics, magics_class, cell_magic, line_magic)@magics_classclass StoreSQL(Magics):    def __init__(self, shell=None,  **kwargs):        super().__init__(shell=shell, **kwargs)        self._store = []        # inject our store in user availlable namespace under __mystore        # name        shell.user_ns[''__mystore''] = self._store    @cell_magic    def sql(self, line, cell):        """store the cell in the store"""        self._store.append(cell)    @line_magic    def showsql(self, line):        """show all recorded statements"""        print(self._store)    ## use ipython load_ext mechanisme here if distributed    get_ipython().register_magics(StoreSQL)

现在，您可以在python单元格中使用SQL语法：

%%sql select * from foo Where QUX Bar

第二个单元格：

%%sqlInsert Cheezburger into Can_I_HAZ

检查我们执行了什么（3个破折号显示了输入/输出定界，您不必键入它们）：

%showsql---[''select * from foo Where QUX Bar'', ''Insert Cheezburger into Can_I_HAZ'']

在问题开始时您问了什么：

 mysql.query(__mystore[-1])

当然，这确实需要您以正确的顺序执行先前的单元格，没有什么阻止您使用%%sql语法来命名您的单元格，例如，如果_store是dict或更好的是您覆盖的类，则__getattr__类似于__getitem__使用点语法访问字段。这留给读者练习，或者最终看一下答案：

@cell_magicdef sql(self, line, cell):    """store the cell in the store"""    self._store[line.strip()] = cell

然后您可以使用像

%%sql A1set foo TO Bar where ID=9

然后在您的Python单元中

mysql.execute(__mystore.A1)

我也强烈建议看着凯瑟琳Develin
SqlMagic为IPython的，这笔记本要点在GitHub上，实况表演这一切事情。

在您似乎要说的评论中pig，没有什么可以阻止您拥有%%pig魔力的。也可以注入Javascript以启用SQL和PIG的正确语法高亮显示，但这超出了此问题的范围。

anaconda – 如何在IPython jupyter笔记本中传递命令行参数

anaconda – 如何在IPython jupyter笔记本中传递命令行参数

我是I python的新手.目前我已经使用Anaconda安装了Ipython并使用jupyter notebook UI编写代码来绘制图表.
我希望在argparse模块的帮助下将几个参数传递给我的工作脚本.
下面是代码.. 

import argparse

parser = argparse.ArgumentParser(description = ''Process display arguments'')
parser.add_argument(''-t'',"--test_name",help="Mandatory test name directory path",type=str)
parser.add_argument(''-s'',"--symbolSet",nargs = ''?'',help="Optional symbolset",const = ''baz'',default = ''deafultOne'')
args = parser.parse_args()
if args.test_name is None:
        print("test_name argument is mandatory.. Use option -h for help.. Exiting..")
        sys.exit(1)

现在,如何通过UI执行我的脚本时传递这些参数,还是可以通过命令提示符运行我的脚本并仍能绘制图表？
我正在使用Windows机器.如果您需要更多信息,请告诉我.就此而言.

解决方法

您可以在jupyter中使用带有类语法的argparse参数. 

class Args:
  test_name = ''''
  symbolSet = ''defaultOne''

args=Args()

还有一个自动转换脚本.
http://35.192.144.192:8000/arg2cls.html

html – 如何更改ipython笔记本中的字体

html – 如何更改ipython笔记本中的字体

我相当新的python,没有html的经验.问题已被询问,或者没有得到回答,或者没有足够的细节回答我在iPython中设置默认字体(不改为浏览器).具体来说,应该在css文件中使用哪个css文件？我在Windows系统上.

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

您可以将鼠标悬停到.ipython文件夹(即您可以在终端/ bash中键入$ipython,查看您的ipython所在的位置)

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

IPtthon笔记本在plt.show()之后停止评估单元格

我正在使用i Python进行编码.当我打开笔记本并通过SHIFT ENTER运行一些代码时它会运行.但经过一两次,它就不再提供任何输出.这是为什么.我必须再次关闭笔记本打开它然后再运行几次和同样的问题.

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

你不应该在笔记本中使用plt.show().这将打开一个阻止您的单元格评估的外部窗口.

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pl​​t.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

ipython-notebook – iPython笔记本不支持VPN

我在我的本地计算机上运行i Python笔记本.但是,因为我在中国,我需要使用VPN(特别是Astrill的OpenWeb协议)来访问大部分互联网.在我的一台PC上,当VPN运行时,iPython笔记本电脑无法正常运行.例如,打开我的主页时：http：// localhost：8888 / tree,我看到错误消息： 

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

尝试将localhost添加到VPN白名单.这样相应的请求就不会传递给代理.如果仍然无效,请检查您是否使用VPN的全局模式,这可能会忽略白名单配置.

whitelist means an address list of direct access,which your VPN would not transfer the corresponding traffic to the proxy address.

今天关于在ipython笔记本中读取单元格内容和macpython读取txt文件的分享就到这里，希望大家有所收获，若想了解更多关于anaconda – 如何在IPython jupyter笔记本中传递命令行参数、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，可以在本站进行查询。

本文标签：

上一篇如何在Jupyter笔记本中对熊猫使用tqdm？

下一篇如何在iPython笔记本中预览大熊猫DataFrame的一部分？（python画大熊猫）

相关文章