改为使用 IPython 和 Spyder 复制 jupyter HTML 输出

Posted 2023-02-23

【中文标题】改为使用 IPython 和 Spyder 复制 jupyter HTML 输出

【英文标题】：Replicate jupyter HTML output using IPython and Spyder instead

【发布时间】：2018-04-15 00:22:12

【问题描述】：

以下 sn-p 将在 Jupyter 中产生以下输出：

display(html('<h2>Hello, world!</h2>'))

在 Spyder 的 IPython 控制台中运行相同的 sn-p 只会返回 <IPython.core.display.HTML object>，如下所示：

是否可以使用 Spyder 在 IPython 控制台中显示相同的输出？ 我想我会用from IPython.core.display import display, HTML 找到某个地方，正如here 提到的那样，但我可能完全错过了这一点。

感谢您的任何建议！

【参考方案1】：

Spyder 有一个集成笔记本的插件：Spyder-Notebook（我没用过）。 Pycharm 也有集成。

【参考方案2】：

(这里是 Spyder 维护者) Spyder IPython 控制台不支持 html 输出，所以上面的代码不起作用。

【讨论】：

感谢您的反馈！只是为了澄清；你是说我提供的sn-p，还是Igaud的建议？

@lgaud 的建议是关于 spyder-notebook，这是一个在 Spyder 中运行 Jupyter notebook 的插件。

是否至少有一种简单的方法可以捕获对象并将其放入 matplotlib.pyplot.figure 中？

我希望有更通用的东西。我正在使用天篷。例如 eli5.show_weights() 生成一个 IPython.core.display.HTML 对象，我希望它在 matplotlib 图中。很高兴通过 png 到达那里

我一直想知道为什么 Spyder 和 PyCharm 仍然（主要）使用文本控制台。是否可以使用 Qt WebEngine 让 _repr_html_() 在可用时显示所有输出？这是常规 .py 文件，没有 Jupyter 笔记本。

【参考方案3】：

另一种想法是将排列特征重要性的输出存储到 html 文件中，并使用默认浏览器打开它。我从J Hudok 中的another thread 得到这个想法。以下是我的工作示例

from sklearn.datasets import load_iris
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
import eli5
from eli5.sklearn import PermutationImportance
from sklearn.model_selection import train_test_split
import webbrowser

# Load iris data & convert to dataframe
iris_data = load_iris()
data = pd.DataFrame(
    'sepal length': iris_data.data[:,0],
    'sepal width': iris_data.data[:,1],
    'petal length': iris_data.data[:,2],
    'petal width': iris_data.data[:,3],
    'species': iris_data.target
)
X = data[['sepal length', 'sepal width', 'petal length', 'petal width']]
y = data['species']

# Split train & test dataset
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# Initialize classifier
clf = RandomForestClassifier(n_estimators=56, max_depth=8, random_state=1, verbose=1)
clf.fit(X_train, y_train)

# Compute permutation feature importance
perm_importance = PermutationImportance(clf, random_state=0).fit(X_test, y_test)

# Store feature weights in an object
html_obj = eli5.show_weights(perm_importance, feature_names = X_test.columns.tolist())

# Write html object to a file (adjust file path; Windows path is used here)
with open('C:\\Tmp\\Desktop\iris-importance.htm','wb') as f:
    f.write(html_obj.data.encode("UTF-8"))

# Open the stored HTML file on the default browser
url = r'C:\\Tmp\\Desktop\iris-importance.htm'
webbrowser.open(url, new=2)