3 astuces du notebook Jupyter (Python)

introduction

Récemment, j'ai été redevable au notebook Jupyter (Python3). Je le posterai car certaines astuces ont augmenté.

environnement

• Jupyter Notebook 4.2.x

• Python 3.5.x

• Par exemple, il peut être utilisé dans l'environnement Jupyter sur le Docker de https://github.com/mokemokechicken/jupyter-tensorflow.

Conseils

Convertissez le résultat de l'arbre de décision sklearn en diagramme et affichez-le en ligne

Les arbres de décision tels que sklearn.tree.tree.DecisionTreeClassifier peuvent sortir au format .dot, mais essayer de les afficher sur un cahier est assez ennuyeux. Cependant, avec certaines préparations et procédures, vous pourrez le faire facilement.

Les choses nécessaires

• Avec graphviz installé sur le système d'exploitation, la variable d'environnement PATH est dans dot

Méthode

Définissez une fonction comme celle-ci.

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

Vous pouvez l'utiliser comme ça.

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')

Recharger le fichier importé lors de l'exécution

Vous souhaiterez peut-être recharger car vous avez modifié le fichier que vous importez depuis un autre emplacement. Si vous écrivez ce qui suit, il sera rechargé chaque fois que vous exécuterez notebook. Avant de le savoir, j'ai redémarré le noyau à chaque fois (^^;

%reload_ext autoreload
%autoreload 2

Sortie de plusieurs graphiques, pandas.DataFrame, etc. sur un ordinateur portable à partir du programme

Je veux sortir DataFrame etc.

from IPython.core.display import display

Importer et

display(data_frame)

Ensuite, il sera affiché comme d'habitude. Si vous passez une chaîne de caractères, etc., la chaîne de caractères sera sortie normalement.

Je veux sortir un graphique

Si vous écrivez comme ça,

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))

Les graphiques sont figés ensemble et le graphique arrive en bas.

Dans ce cas, vous devez appeler plt.show () au bon moment.

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()

Cela peut être utilisé non seulement pour le script sur le bloc-notes, mais également lorsque vous souhaitez sortir vers le bloc-notes à partir du code source ordinaire.

à la fin

C'était un truc.