我想用IPython笔记本电脑来交互式分析我用Biopython的基因组图模块制作的一些基因组图。虽然有大量关于如何使用matplotlib在IPython笔记本中获得内联图形的文档，但GenomeDiagram使用ReportLab工具包，我认为IPython不支持该工具包。
然而，我在想，一种解决这个问题的方法是将绘图/基因组图写入一个文件，然后内联打开图像，结果会是这样的:
gd_diagram.write("test.png", "PNG")
display(file="test.png")
然而，我不知道如何做到这一点，也不知道这是否可行。那么有人知道IPython中是否可以打开/显示图像吗?
当前回答
一个更干净的Python3版本，使用标准numpy, matplotlib和PIL。合并从URL打开的答案。
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
pil_im = Image.open('image.png') #Take jpg + png
## Uncomment to open from URL
#import requests
#r = requests.get('https://www.vegvesen.no/public/webkamera/kamera?id=131206')
#pil_im = Image.open(BytesIO(r.content))
im_array = np.asarray(pil_im)
plt.imshow(im_array)
plt.show()
其他回答
当与Jupyter (iPython)一起使用GenomeDiagram时，显示图像的最简单方法是将GenomeDiagram转换为PNG图像。可以使用IPython.display.Image对象来包装它，使其显示在笔记本中。
from Bio.Graphics import GenomeDiagram
from Bio.SeqFeature import SeqFeature, FeatureLocation
from IPython.display import display, Image
gd_diagram = GenomeDiagram.Diagram("Test diagram")
gd_track_for_features = gd_diagram.new_track(1, name="Annotated Features")
gd_feature_set = gd_track_for_features.new_set()
gd_feature_set.add_feature(SeqFeature(FeatureLocation(25, 75), strand=+1))
gd_diagram.draw(format="linear", orientation="landscape", pagesize='A4',
fragments=1, start=0, end=100)
Image(gd_diagram.write_to_string("PNG"))
(见笔记本)
通过这篇文章，你可以做到以下几点:
from IPython.display import Image
Image(filename='test.png')
(官方文档)
这将在Jupyter中导入并显示。jpg图像(在Anaconda环境中使用Python 2.7测试)
from IPython.display import display
from PIL import Image
path="/path/to/image.jpg"
display(Image.open(path))
您可能需要安装PIL
在《Anaconda》中，这是通过输入完成的
conda install pillow
如果试图在循环中以这种方式显示Image，则需要将Image构造函数包装在显示方法中。
from IPython.display import Image, display
listOfImageNames = ['/path/to/images/1.png',
'/path/to/images/2.png']
for imageName in listOfImageNames:
display(Image(filename=imageName))
如果你想有效地显示大量的图像，我建议使用IPyPlot包
import ipyplot
ipyplot.plot_images(images_array, max_images=20, img_width=150)
该包中还有一些其他有用的功能，您可以在交互式选项卡(每个标签/类的单独选项卡)中显示图像，这对所有ML分类任务非常有帮助。
