Jupyter Notebook中为interact组件的月份选择小部件设置默认值

没问题！你完全可以把两种方式结合，或者直接在interact的写法里指定默认值，两种方案都能轻松实现你的需求，我给你详细说明：

方案1：直接在interact中传入自定义Dropdown小部件 #

你可以先定义好带有默认值的Dropdown小部件，再把它们作为参数传给interact，这样既能利用Dropdown的自定义配置，又能保留interact的便捷性：

import ipywidgets as widgets
from ipywidgets import interact

# 先提取月份列表和极值，避免重复计算
month_options = list(df4.year_month)
default_begin = min(month_options)
default_end = max(month_options)

# 定义带默认值的下拉框
begin_widget = widgets.Dropdown(
    options=month_options,
    value=default_begin,  # 默认设为最小月份
    description='Begin:',
    disabled=False
)

end_widget = widgets.Dropdown(
    options=month_options,
    value=default_end,  # 默认设为最大月份
    description='End:',
    disabled=False
)

# 你的图表生成函数
def filter_and_plot(begin, end):
    filtered_df = df4[(df4.year_month >= begin) & (df4.year_month <= end)]
    # 这里替换成你实际的图表生成代码，比如：
    # filtered_df.plot(kind='line', x='year_month', y='your_column')
    display(filtered_df.plot())

# 传入自定义小部件到interact
interact(filter_and_plot, begin=begin_widget, end=end_widget)

方案2：更简洁的interact内置配置 #

不用单独定义小部件，直接在interact的参数里通过字典或直接传入Dropdown的参数来设置默认值，代码更紧凑：

import ipywidgets as widgets
from ipywidgets import interact

month_options = list(df4.year_month)
default_begin = min(month_options)
default_end = max(month_options)

def filter_and_plot(begin, end):
    filtered_df = df4[(df4.year_month >= begin) & (df4.year_month <= end)]
    display(filtered_df.plot())

# 方式A：直接传入Dropdown实例作为参数
interact(
    filter_and_plot,
    begin=widgets.Dropdown(options=month_options, value=default_begin, description='Begin:'),
    end=widgets.Dropdown(options=month_options, value=default_end, description='End:')
)

# 方式B：用字典配置，interact会自动生成对应小部件（更简洁）
interact(
    filter_and_plot,
    begin={'options': month_options, 'value': default_begin, 'description': 'Begin:'},
    end={'options': month_options, 'value': default_end, 'description': 'End:'}
)

注意事项 #

• 如果你的year_month是datetime类型，min()和max()能正确识别时间顺序；如果是字符串格式的月份（比如"2023-01"），字典序排序和时间顺序一致，所以min()和max()也能正确获取最早和最晚月份。
• 两种方案都能实现你的需求，方案1适合需要后续复用小部件的场景，方案2更适合快速实现的场景。

内容的提问来源于stack exchange，提问作者Fabian Kramer