简介
ipyjana 是一款基于 TypeScript 开发的用于在浏览器中集成 Jupyter Notebooks 的 npm 包。它能够帮助开发者在前端项目中快速集成 Jupyter Notebooks，并且可以兼容大部分浏览器。
安装
你可以通过 NPM 安装 ipyjana：
--- ------- ------- ------
也可以通过 Yarn 安装：
---- --- -------
快速开始
创建一个新的 Jupyter Notebook
在 HTML 中，你需要一个元素来承载 Notebook。默认情况下，ipyjana 将使用 CreateJS 作为回调库，因此你不需要使用其他库来加载 Notebook：
--------- -----
------
-------------
------
---- --------------------
------- -----------------------------------------
--------
----- -------- - ------------------------
---------- -----------------------------------
---
---------
-------
-------这将在浏览器中创建一个新的 Notebook，其中包含一个新的代码单元格。
执行代码
为了通过 ipyjana 运行代码，你需要调用 eval 方法：
--------------- ------------ -------- ---
获取输出
你可以使用 onOutput 方法来获取代码单元格的输出：
-------------------------- ------- -- - -------------------- ---
加载 Notebook
你可以使用 loadNotebook 方法来加载一个 Notebook 文件：
----------------------------------------
保存 Notebook
使用 saveNotebook 方法可以将修改后的 Notebook 保存到服务器：
----------------------------------------
示例代码
在 Notebook 中使用 D3.js
以下示例演示了如何从 Jupyter Notebook 中使用 D3.js。首先，我们需要安装 D3.js：
--- ------- -- ------
然后，我们需要在 Notebook 中导入 D3：
------ --------------- -- -------
---- ------------------ ------ -------------------
--------------------
--- -----------------
----------------------- -------------------------------------------
-----------现在，在 Notebook 中，我们可以使用 D3.js：
------------
----- ---- - --- -- --- --- --- ----
-----------------
---------------
-----------
--------
------------
----------------- - ------ ---- ------ - - - - ---- ---这将在 Notebook 中显示一组数字，类似于这样：
--- ------ -- --- ------ -- --- ------ --- --- ------ --- --- ------ --- --- ------ ---
在 Notebook 中使用 TensorFlow.js
以下示例演示了如何从 Jupyter Notebook 中使用 TensorFlow.js。首先，我们需要安装 TensorFlow.js：
--- ------- ---------------- ------
然后，我们需要在 Notebook 中导入 TensorFlow.js：
------ --------------- -- -------
---- ------------------ ------ -------------------
--------------------
--- -----------------
----------------------- --------------------------------------------------------------------------------------
-----------现在，在 Notebook 中，我们可以使用 TensorFlow.js：
------------
----- -------- --------- -
----- ----- - ---------------
------- ----------------------------- ------ ------ --- ----------- --------- ----------------------- --- ----------- ------------
---
----- -------------------- -------------------------- ---------- ---------
------ ------
-
----- ----- - ----- ----------这将在 Notebook 中创建一个简单的神经网络模型，其中包含一个密集层，并在最后添加一个 softmax 分类器。
来源：JavaScript中文网 ，转载请联系管理员！ 本文地址：https://www.javascriptcn.com/post/60067381890c4f727758423a