Python數(shù)據(jù)可視化JupyterNotebook繪圖生成高清圖片
大家好，我是小五????
最近有小伙伴問(wèn)了個(gè)問(wèn)題：如何在jupyter notebook，用Matplotlib畫圖時(shí)能夠更“高清”？
今天正好跟大家聊聊，解決辦法。
先舉個(gè)小例子，用 Matplotlib 繪制極坐標(biāo)圖：
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")
打開保存到當(dāng)前工作目錄里的temp.png，放大之后就會(huì)發(fā)現(xiàn)確實(shí)“像素略渣”
一些小伙伴可能會(huì)說(shuō)，那我修改圖像像素尺寸不就行了。
確實(shí)可以，不過(guò)要記得同時(shí)修改所有的像素尺寸，而不是只改圖像大小，否則就會(huì)像下面一樣????
我們可以在保存圖像時(shí)，增加一些參數(shù)。
比如dpi就是分辨率，每英寸的點(diǎn)數(shù)。
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')
另一個(gè)參數(shù)bbox_inches: 只有圖形給定部分會(huì)被保存。設(shè)置為“tight”用以恰當(dāng)?shù)钠ヅ渌４娴膱D形。
這樣生成的圖像就足夠高清了。
想讓圖像高清，還有另外一種方法。
之前跟大家介紹過(guò)一些魔法命令，比如%matplotlib inline 可以在Ipython編譯器里直接使用，功能是可以內(nèi)嵌繪圖，并且可以省略掉plt.show()這一步。
我們可以再增加一行配置，就能讓 Matplotlib 在 Jupyter Notebook 上面輸出高清矢量圖了。
%config InlineBackend.figure_format = 'svg'
輸出的格式是svg，這樣瀏覽器就可以渲染出矢量圖了。
更改保存格式，就得到了高清的矢量圖。
第二種方法使用了Jupyter notebook 中的魔法命令，可以設(shè)定顯示圖片的分辨率。
同樣的參數(shù)設(shè)置還有：
%config InlineBackend.figure_format = "png" %config InlineBackend.figure_format = "svg" %config InlineBackend.figure_format = "retina"
在分辨率較高的屏幕（例如 Retina 顯示屏）上，Jupyter Notebook 中的默認(rèn)圖像可能會(huì)顯得模糊。
可以在 %matplotlib inline 之后使用%config InlineBackend.figure_format = "retina"
來(lái)呈現(xiàn)分辨率較高的圖像。
最近有啥書？
R語(yǔ)言數(shù)據(jù)可視化實(shí)戰(zhàn)：本書全面介紹了如何利用R語(yǔ)言繪制各種統(tǒng)計(jì)圖形，書中的所有統(tǒng)計(jì)圖形都給出了實(shí)例源代碼，讀者可以通過(guò)代碼進(jìn)行復(fù)現(xiàn)。適合R語(yǔ)言數(shù)據(jù)可視化入門與進(jìn)階讀者閱讀，也適合數(shù)據(jù)分析和數(shù)據(jù)挖掘的從業(yè)者及其他數(shù)據(jù)科學(xué)從業(yè)者閱讀。
以上就是Python數(shù)據(jù)可視化JupyterNotebook繪圖生成高清圖片的詳細(xì)內(nèi)容，更多關(guān)于Python數(shù)據(jù)可視化JupyterNotebook的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
- Jupyter Notebook運(yùn)行Python代碼實(shí)現(xiàn)傳參方式
- 使用jupyter?notebook保存python代碼為.py格式問(wèn)題
- jupyter?notebook?自定義python解釋器的過(guò)程詳解
- 關(guān)于AnacondaNavigator?Jupyter?Notebook更換Python內(nèi)核的問(wèn)題
- 提高Python生產(chǎn)力的五個(gè)Jupyter notebook插件
- Python數(shù)據(jù)分析JupyterNotebook3魔法命令詳解及示例
- Jupyter Notebook如何導(dǎo)入python文件時(shí)的問(wèn)題
相關(guān)文章
Python request使用方法及問(wèn)題總結(jié)
這篇文章主要介紹了Python request使用方法及問(wèn)題總結(jié),文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04
關(guān)于python的第三方庫(kù)下載與更改方式
這篇文章主要介紹了關(guān)于python的第三方庫(kù)下載與更改方式,使用python的朋友都知道python有很多非常方便的第三方庫(kù)可以使用,那么如果下載這些第三方庫(kù)呢,今天小編就帶你們來(lái)看看2023-04-04
Python queue隊(duì)列原理與應(yīng)用案例分析
這篇文章主要介紹了Python queue隊(duì)列原理與應(yīng)用,結(jié)合具體案例形式分析了Python queue隊(duì)列的原理、功能、實(shí)現(xiàn)方法與使用技巧,需要的朋友可以參考下2019-09-09
Python實(shí)現(xiàn)樸素貝葉斯的學(xué)習(xí)與分類過(guò)程解析
這篇文章主要介紹了Python實(shí)現(xiàn)樸素貝葉斯的學(xué)習(xí)與分類過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
廣播(Broadcast)是 numpy 對(duì)不同形狀(shape)的數(shù)組進(jìn)行數(shù)值計(jì)算的方式,本文深入理解numpy廣播機(jī)制,具有一定的參考價(jià)值,感興趣的可以了解一下2023-09-09
基于PyTorch實(shí)現(xiàn)一個(gè)簡(jiǎn)單的CNN圖像分類器
本文記錄了一個(gè)簡(jiǎn)單的基于pytorch的圖像多分類器模型構(gòu)造過(guò)程，參考自Pytorch官方文檔、磐創(chuàng)團(tuán)隊(duì)的《PyTorch官方教程中文版》以及余霆嵩的《PyTorch 模型訓(xùn)練實(shí)用教程》。從加載數(shù)據(jù)集開始，包括了模型設(shè)計(jì)、訓(xùn)練、測(cè)試等過(guò)程。2021-05-05
今天小編就為大家分享一篇關(guān)于Python多進(jìn)程fork()函數(shù)詳解，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧2019-02-02
這篇文章主要介紹了win7 x64系統(tǒng)中安裝Scrapy的方法，圖文并茂一步步的教你如何安裝Scrapy,需要的朋友可以參考下2018-11-11
在本篇文章中小編給大家整理的是一篇關(guān)于Flask緩存靜態(tài)文件的具體方法，有需要的朋友們可以參考下。2020-08-08
Python?任務(wù)自動(dòng)化工具nox?的配置與?API詳情
這篇文章主要介紹了Python?任務(wù)自動(dòng)化工具nox?的配置與?API詳情，Nox?會(huì)話是通過(guò)被@nox.session裝飾的標(biāo)準(zhǔn)?Python?函數(shù)來(lái)配置的，具體詳情下文相關(guān)介紹需要的小伙伴可以參考一下2022-07-07