如何让 Jupyter Notebook 自动转换成代码？

，例如pandas、matplotlib等。

但是，在开始实际上社会活动此前，我们似乎必需为每一个 Notebook 写一堆的应运而生code，虽然这不难于，但是却很繁琐，有时还必需URL寻近似于的应运而生codice_例如

from sklearn.preprocessing import OneHotEncoder, LabelEncoder

from sklearn import feature_selection

怎样才能在顺利完成Jupyter 魏斯时控制台调用这些code，让我们只专注于适用这些努？本文简述两种设法。

步骤一 : 修订固定式PDF 一个典型的步骤就是通过修订Jupyter的固定式PDF来借助，这也是我在此前文中里简述过的步骤。

以macOS为例，你可以转入

~/.ipython/profile_defaultPDF夹(Windows下也可以在装有附录里找寻到近似于的PDF夹)，如果找寻差不多该附录需在可用系统继续执行ipython profile create生成固定式PDF

如上图标明，在该PDF夹下改建一个名为startup的PDF夹(如果有则不必改建)，以后转入startupPDF夹改建一个Python脚本start.py

现今你可以在start.py里尽情的加进你每次顺利完成jupyter notebook后都必需手动敲入的那段code，以后保留需

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from sklearn import svm, tree, linear_model, neighbors, naive_bayes, ensemble, discriminant_analysis, gaussian_process

from xgboost import XGBClassifier

from sklearn.preprocessing import OneHotEncoder, LabelEncoder

from sklearn import feature_selection

from sklearn import model_selection

现今据报导Jupyter Notebook后就可以反之亦然适用pandas、numpy等我们固定式好的努！

但这个步骤也有一个乱象，就是由于PDF依靠之外应运而生code，因此有可能拆开发给别人用时但会无法继续执行，我们也不有可能最后检测所用的code然后手动应运而生一遍，所以不能在自己修订了固定式PDF的电源上用用。

步骤二 : 适用 pyforest 这是我除此以外新发现的一个步骤，由欧美神开发的一个JavaScript，相相当修订固定式PDF，来得适于大白可用。

我们只必需在控制台（可用系统）继续执行以下code

pip install --upgrade pyforest

python -m pyforest install_extensions

以后据报导Jupyter Notebook后便可以借助控制台应运而生之外努。

可以看到，这个步骤和步骤一的分野在于，他不是当前应运而生全部的依赖性努（能避免了太多的内核占用），而是在你适只用这个努时，控制台在Notebook胸部加进近似于的应运而生code，是不是很酷！

以pandas为例，当我们适只用pd.xxx便但会在胸部加进import pandas as pd，而在适用它此前，表达式pd只是pyforest不论如何类推。

但适用别人固定式好的弱点就是自己不想额外加进一些第三方努但会相当难于，好在程序员仍未预设了上百个常用努，从数据集分析到数据处理、浅层学习都有，基本上不必额外另设，有用的话可以先前一下~

作者：郭亦不例外

；也：亦不例外Python

大家好，我是亦不例外。

作为适用 Python 社会活动的数据集研究者。每天我们都但会顺利完成多个来得进一步Jupyter魏斯，并且在但会只用多个各有不同的努，例如pandas、matplotlib等。

但是，在开始实际上社会活动此前，我们似乎必需为每一个 Notebook 写一堆的应运而生code，虽然这不难于，但是却很繁琐，有时还必需URL寻近似于的应运而生codice_例如

from sklearn.preprocessing import OneHotEncoder, LabelEncoder

from sklearn import feature_selection

怎样才能在顺利完成Jupyter 魏斯时控制台调用这些code，让我们只专注于适用这些努？本文简述两种设法。

步骤一 : 修订固定式PDF 一个典型的步骤就是通过修订Jupyter的固定式PDF来借助，这也是我在此前文中里简述过的步骤。

以macOS为例，你可以转入

~/.ipython/profile_defaultPDF夹(Windows下也可以在装有附录里找寻到近似于的PDF夹)，如果找寻差不多该附录需在可用系统继续执行ipython profile create生成固定式PDF

如上图标明，在该PDF夹下改建一个名为startup的PDF夹(如果有则不必改建)，以后转入startupPDF夹改建一个Python脚本start.py

现今你可以在start.py里尽情的加进你每次顺利完成jupyter notebook后都必需手动敲入的那段code，以后保留需

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from sklearn import svm, tree, linear_model, neighbors, naive_bayes, ensemble, discriminant_analysis, gaussian_process

from xgboost import XGBClassifier

from sklearn.preprocessing import OneHotEncoder, LabelEncoder

from sklearn import feature_selection

from sklearn import model_selection

现今据报导Jupyter Notebook后就可以反之亦然适用pandas、numpy等我们固定式好的努！

但这个步骤也有一个乱象，就是由于PDF依靠之外应运而生code，因此有可能拆开发给别人用时但会无法继续执行，我们也不有可能最后检测所用的code然后手动应运而生一遍，所以不能在自己修订了固定式PDF的电源上用用。

步骤二 : 适用 pyforest 这是我除此以外新发现的一个步骤，由欧美神开发的一个JavaScript，相相当修订固定式PDF，来得适于大白可用。

我们只必需在控制台（可用系统）继续执行以下code

pip install --upgrade pyforest

python -m pyforest install_extensions

以后据报导Jupyter Notebook后便可以借助控制台应运而生之外努。

可以看到，这个步骤和步骤一的分野在于，他不是当前应运而生全部的依赖性努（能避免了太多的内核占用），而是在你适只用这个努时，控制台在Notebook胸部加进近似于的应运而生code，是不是很酷！

以pandas为例，当我们适只用pd.xxx便但会在胸部加进import pandas as pd，而在适用它此前，表达式pd只是pyforest不论如何类推。

但适用别人固定式好的弱点就是自己不想额外加进一些第三方努但会相当难于，好在程序员仍未预设了上百个常用努，从数据集分析到数据处理、浅层学习都有，基本上不必额外另设，有用的话可以先前一下~

。

江中多维元素片
眼睛干痒用什么眼药水好
宝鸡白癜风医院
吃什么药物缓解女性腰疼
盐城看白癜风哪家专科医院好