Matplotlib Retina
In diesem Artikel wird angezeigt, wie Sie die Standardeinstellungen ändern, um die Auflösung von Matplotlib -Diagramme für Inline und Exportieren zu verbessern. Wir müssen den Befehl der Netzhaut in den Code importieren, der die Anzeige des Grundstücks wie in der Retina -Qualität verbessert. Die Zahlen werden mit Retina -Auflösung auf jeder Anzeige besser erscheinen. Aber wenn die Auflösung Ihres Displays Sub-Retina ist, wird die Verbesserung weniger offensichtlich sein.
Retina wird mit Inline -Backend in Python angezeigt
Die Standard-Visuals erscheinen manchmal verschwommen auf Bildschirmen mit höherer Auflösung wie den Retina-Displays, aber wir können hochauflösende Handlungsergebnisse anzeigen, wenn wir das neueste MacBook mit einer Retina-Display haben.
Wir müssen jetzt nur noch den folgenden Befehl zu unserem Code hinzufügen. Beachten Sie, dass wir unsere Datei in der “speichern müssen.IPY ”Erweiterung Wenn wir Matplotlib verwenden.Pyplot -Schnittstelle.
# %config InlineBackend.figure_format = 'retina' 'Beispiel 1:
Wir haben hier ein Beispiel, um zu zeigen, wie wir das Matplotlib-Diagramm mithilfe eines hochauflösenden Retina-Formats anzeigen können. Zunächst haben wir einen Befehl „%Matplotlib Inline“ importiert, der uns hilft, die zu präsentierten Plotfotos in den Frontenden auszugeben.
Dies bedeutet, dass die Handlung unterhalb der Zelle angezeigt wird, in der wir die Befehle gegeben haben, und das Ausgabediagramm auch in unserem Python -Notebook -Dokument aufgenommen wird. Dann haben wir die Numpy -Bibliothek als Alias "NP" und die Matplotlib.Pyplot als „PLT“. Nach dem Import der wichtigen Bibliotheken haben wir einen Befehl retina gegeben, der die Auflösung der Grafik verbessern wird. Die Größe der Abbildung wird auch hier angegeben, wodurch die Abbildung in einer größeren Größe angezeigt wird.
Die Variable ist definiert als „I“ und setzen eine numpy Linspace -Funktion darin. Es wird verwendet, um eine Serie zu erstellen, die in einem bestimmten Abstieg gleichmäßig verteilt ist. Endlich haben wir das Pyplot -Paket von Matplotlib verwendet und die Variable „I“ an sie übergeben. Die Numpy -Sinusfunktion wird auch zur Erzeugung des Sinusdiagramms verwendet.
%Matplotlib InlineNumph als NP importieren
Matplotlib importieren.Pyplot als PLT
%config InlineBackend.figure_format = "retina"
PLT.rcparams ["Figur.Figsize "] = (9.0,3.0)
i = np.Linspace (-2*np.pi, 2*np.PI, 200)
PLT.Handlung (i, np.Sünde (i)/i);
Die Ausgabe der Hochauflösung der Retina wird im Bild unten angezeigt.
Beispiel 2:
Wir haben ein Zwei -Zeilen -Diagramm verwendet, das die Option "Inline -Backend -Figur -Format" als "Retina" verwendet. Die resultierenden Linien haben eine hochauflösende Netzhautqualität. Zunächst müssen wir den Befehl "%Matplotlib Inline" in der promptalen Shell von Spyder verwenden. Der Befehl ermöglicht das in der Eingabeaufforderung erzeugte Handlung.
Hier haben wir den Befehl retina display in unserem Code konfiguriert, nachdem wir alle wesentlichen Python -Bibliotheken für die Verwendung trigonometrischer Funktionen und das Generieren des Plotes importiert haben. Wir haben auch die Matplotlib -Laufzeitkonfiguration (RC) als „RCParams“ festgelegt, die die Figur -Größe für das Plotelement enthält. Wir haben beim Laden generiert.
Die Variable „A“ wird deklariert und verwendet die Numpy Linspace -Funktion zum Erstellen der Reihe bestimmter Intervalle. Verwenden Sie dann das Matplotlib -Pyplot -Paket, in dem wir die Variable „A“ und die trigonometrische Sinusfunktion bestanden haben. Die Handlung. Die Funktion des Diagramms erzeugt die beiden Linien von Sinusfunktionen, da wir zwei Sinusfunktionen mit leicht unterschiedlichen Berechnungen verwendet haben.
%Matplotlib InlineNumph als NP importieren
Matplotlib importieren.Pyplot als PLT
%config InlineBackend.figure_format = "retina"
PLT.rcparams ["Figur.Figsize "] = (5.0,3.0)
a = np.Linspace (-4*np.pi, 4*np.pi, 50)
PLT.Diagramm (a, np.Sünde (a)/a, a, np.Sünde (2*a)/a);
Die Matplotlib-Retina hat ein hochauflösendes Diagramm im folgenden Bild.
Beispiel 3:
Wir haben das Diagramm angezeigt, indem wir verschiedene Farben verwenden und verschiedene Symbole verwenden, um auf den spezifischen Punkt in der angegebenen Handlung zu zeigen. Die Handlung wird in der Matplotlib -Retina -Qualität gerendert. Im Code haben wir den Inline -Befehl bereitgestellt. Wir haben auch die Numpy Library und die Matplotlib -Bibliothek importiert.
Die Retina -Anzeigeoption ist im Befehl konfiguriert. Dann haben wir die Größe des Diagramms festgelegt und eine Variable „I“ deklariert, die die Intervalle -Reihe erstellt, indem sie die Numpy Linspace -Funktion verwenden. Beachten Sie, dass wir hier die PLT angerufen haben. Plotfunktion, in der wir eine Cosinus -Graphe erzeugt haben. Die Cosinus -Graph -Linie erhält eine grüne Farbe mit dem Sternsymbol „*“ und die andere Cosinus -Linie hat eine Farbe rot, die das Kugelsymbol verwendet.
%Matplotlib InlineNumph als NP importieren
Matplotlib importieren.Pyplot als PLT
%config InlineBackend.figure_format = "retina"
PLT.rcparams ["Figur.Figsize "] = (7, 9)
i = np.Linspace (-6*np.pi, 6*np.pi, 50)
PLT.Handlung (i, np.cos (i)/i, 'g-*', i, np.cos (3*i)/i, 'r-o');
Wie Sie sehen können, ist die folgende Grafik so gut und hat eine klare Sicht des Matplotlib -Retina -Displays.
Beispiel 4:
Wir haben in einem Retina-Display-Modus ein farblich abgebildetes Streudiagramm erstellt. Der Befehl der Matplotlib Retina -Option ist im „InlineBackend“ angegeben.Abbildung_Format ”. Die Variable ist definiert als „Thetavalue“ und mit der Numpy Linspace -Funktion initialisiert, die „60“ Schritte von „0“ bis „6“ PI unternommen hat. Die Arraygröße wird auch für "60" -Werte auf "10" eingestellt, indem die Funktion der Numpy -Eine verwendet wird. Es wird die angegebene Array -Form mit denen zurückgeben.
Dann haben wir eine Variable als „A“, die den NP verwendet.willkürlich.RAND -Funktion und übergab einen Wert „60“ darin. Die Funktion nimmt den Zufallswert „60“ in [0, 1] und gibt die Ausgangsgröße an. Die Variablen "B" und "C" werden deklariert und haben das "Thetavalue" als Parameter bestanden. Die Variable „B“ verwendet die Numpy Cosinus -Funktion und die Variable „C“ verwendet die Numpy -Sinusfunktion.
Endlich verwenden wir die Scatter () -Methode in Pyplot, mit der ein Streudiagramm erstellt wird. Für jede Beobachtung zeichnet die Scatter () -Funktion einen einzelnen Punkt. Es erfordert zwei identische Arrays mit identischen Längen, eine für X-Achsenwerte und die andere für y-Achsenwerte.
%Matplotlib InlineNumph als NP importieren
Matplotlib importieren.Pyplot als PLT
%config InlineBackend.figure_format = "retina"
thetavalue = np.Linspace (0,4*NP.pi, 60)
arrSize = 10*np.Einen (60)
a = np.willkürlich.Rand (60)
B = Thetavalue*np.cos (Thetavalue)
C = Thetavalue*np.Sünde (Thetavalue)
PLT.Streuung (B, C, Arrrize, a)
Das folgende Bild ist das farblich abgebildete Streudiagramm.
Beispiel 5:
Hier haben wir mit den Nebenhandlungen mehrere Diagramme erstellt. Die Handlung wird in der Netzhautqualität wiedergegeben. Anfang. Danach haben wir den Code implementiert, der die Numpy -Bibliothek und das Matplotlib -Pyplot -Paket verwendet. Der Befehl matplotlib retina display wird ebenfalls angegeben, da wir eine hohe Auflösung wünschen.
Anschließend haben wir die Reihe von Intervallen für den Diagramm mit der Numpy Linspace -Funktion eingestellt und diese in der Variablen "Thetais" gespeichert, die gespeichert wurden. Die beiden Variablen werden auch hier als "Ich" und "J" deklariert. Diese Variablen verwenden Numpy Cosinus bzw. Sinusfunktion. Mit dem Pyplot haben wir die Nebenhandlung Methode bezeichnet, die 1 Zeile, 2 Spalten und aktiv als Diagrammnummer 2 erstellt.
Die plt.Die Plotfunktion nimmt "I" und setzt die Linie als blaue Farbe und zeigt mit dem Plus -Symbol "+". Es gibt eine zweite Nebenhandlung, die 1 Zeile, 2 Spalten erstellt und als Diagrammnummer 1 aktiv ist. Die plt.Die Handlung nimmt "J" und setzt seine Farbe mit dem Dreiecksymbol "^" auf rot.
%Matplotlib InlineNumph als NP importieren
Matplotlib importieren.Pyplot als PLT
%config InlineBackend.figure_format = "retina"
thetais = np.Linspace (0,1*NP.pi, 10)
i = thetais*np.Sünde (Thetais)
J = Thetais*np.cos (thetais)
PLT.Nebenhandlung (1,2,2)
PLT.Plot (i, 'B-+')
PLT.Nebenhandlung (1,2,1)
PLT.Handlung (j, 'r-^');
Die folgenden Nebenhandlungen sind sehr klar, da wir eine Matplotlib -Retina -Anzeige haben.
Abschluss
Wie wir die Verwendung der hochauflösenden Grundfunktion von Matplotlib-Retina bei der Erstellung eines Plotes erörtert haben. Wir haben Ihnen ein anderes Beispiel dafür gezeigt, dass Sie verschiedene Grafiken darstellen, die Retina -Befehle in der Code -Implementierung verwenden. Sie können jetzt herausfinden. Das Matplotlib-Retina-Display hilft Ihnen sicherlich bei der Erzeugung einer hochwertigen Grafik.