标签: jupyter-notebook

我有一个ipython笔记本,我想在标记单元格中使用我的一个变量.这甚至可能吗？如果是这样,你怎么做？

有没有办法在.py文件中上传我的代码并在colab代码单元格中导入它们？

我找到的另一种方法是创建一个本地Jupyter笔记本然后将其上传到Colab,这是唯一的方法吗？

在一个项目中,我有两个不同的软件包,如何使用setup.py在Google的Colab中安装这两个软件包,以便我可以导入软件包？

我想和Jupyter笔记本一起工作,但是在进行基本导入时遇到了困难(例如导入matplotlib).我想这是因为我有几个用户管理的python安装.例如:

> which -a python
/usr/bin/python
/usr/local/bin/python

> which -a ipython
/Library/Frameworks/Python.framework/Versions/3.5/bin/ipython
/usr/local/bin/ipython

> which -a jupyter
/Library/Frameworks/Python.framework/Versions/3.5/bin/jupyter
/usr/local/bin/jupyter

我曾经有过anaconda,但是从〜/ anaconda目录中删除了.现在,当我启动一个Jupyter笔记本时,我得到一个内核错误:

File "/Library/Frameworks/Python.framework/Versions/3.5/lib/pytho?n3.5/subprocess.py",
line 947, in init restore_signals, start_new_session)
File "/Library/Frameworks/Python.framework/Versions/3.5/lib/pytho?n3.5/subprocess.py",
line 1551, in _execute_child raise child_exception_type(errno_num, err_msg)
FileNotFoundError: [Errno 2]
No such file or directory: '/Users/npr1/anaconda/envs/py27/bin/python' 

我该怎么办？!

是否可以在同一个Jupyter笔记本中运行R和Python代码.有哪些替代品？

1. 在Jupyter中安装r-essentials并创建R笔记本.
2. 安装rpy2并使用rmagic函数.
3. 使用烧杯笔记本.

以上3个选项中哪一个可靠运行Python和R代码片段(共享变量和可视化)或者是否有更好的选择？

如上所述,是否有类似于R-CRAN的iPython笔记本(jupyter)？

在iPython Notebook中,是否可以禁用长输出的自动滚动？或者至少在自动滚动设置之前设置输出长度的阈值？

尝试以下命令

%%javascript
IPython.OutputArea.auto_scroll_threshold = 9999;

但它给出了一个错误

Javascript error adding output!
SyntaxError: Unexpected identifier
See your browser Javascript console for more details.

我想使用Emacs作为iPython notebooks/Jupyter Notebook(包ein)的主编辑器.我想问你是否有办法在不需要打开网络浏览器的情况下运行服务器.

在我的笔记本中,我有一个返回临时计算结果的单元格.它有点长,所以在它运行后,我想隐藏它,并在需要时显示它.

要手动完成,我可以双击输出的左侧,以隐藏它

双击后

但有什么方法可以通过代码来做到这一点？例如,

单元格的最后一行,使用类似的命令%%hide output,输出将在完成运行后隐藏.

另外,我可以在输出HTML中获得此功能吗？

import matplotlib.pyplot as pl
%matplot inline
def learning_curves(X_train, y_train, X_test, y_test):
""" Calculates the performance of several models with varying sizes of training data.
    The learning and testing error rates for each model are then plotted. """

print ("Creating learning curve graphs for max_depths of 1, 3, 6, and 10. . .")

# Create the figure window
fig = pl.figure(figsize=(10,8))

# We will vary the training set size so that we have 50 different sizes
sizes = np.rint(np.linspace(1, len(X_train), 50)).astype(int) …