Python数据可视化JupyterNotebook绘图生成高清图片
大家好，我是小五????
最近有小伙伴问了个问题：如何在jupyter notebook，用Matplotlib画图时能够更“高清”？
今天正好跟大家聊聊，解决办法。
先举个小例子，用 Matplotlib 绘制极坐标图：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
s = pd.Series(np.arange(20))
fig = plt.figure(figsize=(8, 4))
ax = plt.subplot(111, projection='polar')
ax.plot(s, linestyle='--', marker='.', lw=3)
plt.savefig("temp.png")
打开保存到当前工作目录里的temp.png，放大之后就会发现确实“像素略渣”
一些小伙伴可能会说，那我修改图像像素尺寸不就行了。
确实可以，不过要记得同时修改所有的像素尺寸，而不是只改图像大小，否则就会像下面一样????
我们可以在保存图像时，增加一些参数。
比如dpi就是分辨率，每英寸的点数。
s = pd.Series(np.arange(20))
fig = plt.figure(figsize=(8, 4))
ax = plt.subplot(111, projection='polar')
ax.plot(s, linestyle='--', marker='.', lw=3)
plt.savefig("temp_1.png", dpi=500, bbox_inches='tight')
另一个参数bbox_inches: 只有图形给定部分会被保存。设置为“tight”用以恰当的匹配所保存的图形。
这样生成的图像就足够高清了。
想让图像高清，还有另外一种方法。
之前跟大家介绍过一些魔法命令，比如%matplotlib inline 可以在Ipython编译器里直接使用，功能是可以内嵌绘图，并且可以省略掉plt.show()这一步。
我们可以再增加一行配置，就能让 Matplotlib 在 Jupyter Notebook 上面输出高清矢量图了。
%config InlineBackend.figure_format = 'svg'
输出的格式是svg，这样浏览器就可以渲染出矢量图了。
更改保存格式，就得到了高清的矢量图。
第二种方法使用了Jupyter notebook 中的魔法命令，可以设定显示图片的分辨率。
同样的参数设置还有：
%config InlineBackend.figure_format = "png" %config InlineBackend.figure_format = "svg" %config InlineBackend.figure_format = "retina"
在分辨率较高的屏幕（例如 Retina 显示屏）上，Jupyter Notebook 中的默认图像可能会显得模糊。
可以在 %matplotlib inline 之后使用%config InlineBackend.figure_format = "retina"
来呈现分辨率较高的图像。
最近有啥书？
R语言数据可视化实战：本书全面介绍了如何利用R语言绘制各种统计图形，书中的所有统计图形都给出了实例源代码，读者可以通过代码进行复现。适合R语言数据可视化入门与进阶读者阅读，也适合数据分析和数据挖掘的从业者及其他数据科学从业者阅读。
以上就是Python数据可视化JupyterNotebook绘图生成高清图片的详细内容，更多关于Python数据可视化JupyterNotebook的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python request使用方法及问题总结,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-04-04
这篇文章主要介绍了关于python的第三方库下载与更改方式,使用python的朋友都知道python有很多非常方便的第三方库可以使用,那么如果下载这些第三方库呢,今天小编就带你们来看看2023-04-04
这篇文章主要介绍了Python queue队列原理与应用,结合具体案例形式分析了Python queue队列的原理、功能、实现方法与使用技巧,需要的朋友可以参考下2019-09-09
这篇文章主要介绍了Python实现朴素贝叶斯的学习与分类过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式,本文深入理解numpy广播机制,具有一定的参考价值,感兴趣的可以了解一下2023-09-09
本文记录了一个简单的基于pytorch的图像多分类器模型构造过程，参考自Pytorch官方文档、磐创团队的《PyTorch官方教程中文版》以及余霆嵩的《PyTorch 模型训练实用教程》。从加载数据集开始，包括了模型设计、训练、测试等过程。2021-05-05
今天小编就为大家分享一篇关于Python多进程fork()函数详解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2019-02-02
这篇文章主要介绍了win7 x64系统中安装Scrapy的方法，图文并茂一步步的教你如何安装Scrapy,需要的朋友可以参考下2018-11-11
在本篇文章中小编给大家整理的是一篇关于Flask缓存静态文件的具体方法，有需要的朋友们可以参考下。2020-08-08
这篇文章主要介绍了Python 任务自动化工具nox 的配置与 API详情，Nox 会话是通过被@nox.session装饰的标准 Python 函数来配置的，具体详情下文相关介绍需要的小伙伴可以参考一下2022-07-07
最新评论