07- 搭建一个稳健的matplotlib绘图平台

最新推荐文章于 2022-07-26 06:00:47 发布

Python草堂

最新推荐文章于 2022-07-26 06:00:47 发布

阅读量520

点赞数 1

分类专栏： matplotlib

本文链接：https://blog.csdn.net/sinat_32570141/article/details/103109440

版权

matplotlib 专栏收录该内容

33 篇文章 109 订阅

订阅专栏

07- 搭建一个稳健的matplotlib绘图平台

搭建一个和我的一样的、稳健的matplotlib绘图平台。

网上这一类的交流、总结文章已经很多，我为什么还要专文来说这个事呢？你可能会说：不就是安装Python、配置Python环境变量、安装matplotlib及其依赖包吗？

从一个小故事看matplotlib平台稳健性

前些天，有一位网友求救，说他在matplotlib中绘图，需要将图像分辨率设置为 600dpi，但不管怎么操作就是没有效果，他在图像属性中看到的图片DPI始终只有96dpi

%matplotlib inline
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
# sphinx_gallery_thumbnail_number = 2
# 蔬菜种类
vegetables = ["cucumber", "tomato", "lettuce", "asparagus",
 "potato", "wheat", "barley"]
# 农夫名字
farmers = ["Farmer Joe", "Upland Bros.", "Smith Gardening",
 "Agrifun", "Organiculture", "BioGoods Ltd.", "Cornylee Corp."]
# 收成
harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
 [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
 [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
 [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
 [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
 [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
 [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
# fig, ax = plt.subplots()
fig = plt.figure(dpi=600)
ax = fig.add_subplot(1,1,1)
im = ax.imshow(harvest)
# 设置x，y坐标长度
ax.set_xticks(np.arange(len(farmers)))
ax.set_yticks(np.arange(len(vegetables)))
# x，y具体标签
ax.set_xticklabels(farmers)
ax.set_yticklabels(vegetables)
# x轴标签旋转45°显示
plt.setp(ax.get_xticklabels(), rotation=45, ha="right",
 rotation_mode="anchor")
# 显示每个方格的值
for i in range(len(vegetables)):
 for j in range(len(farmers)):
 text = ax.text(j, i, harvest[i, j],
 ha="center", va="center", color="w")
ax.set_title("Harvest of local farmers (in tons/year)")
fig.tight_layout()
plt.savefig("cm.jpeg",dpi = 600)
plt.show()

他把代码发了过来，似乎没有什么问题。我在jupyter lab中运行这段代码，生成"cm.jpeg"文件，在PS中查看图像尺寸：

07- 搭建一个稳健的matplotlib绘图平台
完全正确，分辨率就是预期的600dpi。

我让把他看到的图像属性截图给我看看，如下：

07- 搭建一个稳健的matplotlib绘图平台
按照这个属性参数，很容易计算出，他电脑上的这张cm.jpeg图像的物理尺寸是：

宽度 = 40英寸；
高度 = 30英寸。

mpl默认的figsize是(6, 4)。他的代码并没有设置"figsize"，但生成的图像尺寸是(40,30) 英寸，这个尺寸太大了，显然是在哪里修改了rcParams参数，导致了他的苦恼。

如果你对上面的关于分辨率和图像尺寸的关系不是很清楚，请重新阅读第4，第5篇文章。

由于Python的开源性，各种开发包又很多，包之间的依赖性极其复杂，所以你的每一个操作都有可能影响整个开发平台的稳定性，甚至引发灾难性后果。

比如：

你在代码中无意中修改了某个包的默认参数，再也得不到预期的结果；
你升级了某个包，但其它依赖于它的包还没有对应的升级包（你没有升级，或者没有可用的升级包），导致其它包运行出错；
等等…

所以，搭建一个稳健的Python平台非常重要。像你我这样通过网络交流，双方保持测试环境的尽可能一致也是非常有好处的。

Anaconda是什么，有什么优势？

Anaconda是以Python为核心，针对科学计算和机器学习而构建的一个集成环境。

它以一个整洁的包装给了我们使用Python所需的一切，让我们可以专注于使用工具而不是维护它们。

首先，它在一个包装中集成了Python科学计算和机器学习常用的库；
其次，它使用conda安装和管理环境，在下载、安装、更新包时会自动分析你的系统和当前环境，并自动处理包之间的依赖关系；
第三，它还提供一个导航器，让我这样的草根可以在图形窗口管理环境；
第四，它还提供了spyder, prompt等附加工具，作为官方的IDE和Shell命令工具。

一句话，它的优势在于集成了我们使用Python的主要工具。

建议你按照下面的步骤从头搭建一个稳健的Python开发平台，这样你的测试环境和我的就基本一致了，各种代码的测试结果也就会基本一致，也会避免出现莫名的问题。

下载，安装Anaconda

登录anaconda官网 https://www.anaconda.com/distribution/#download-section

07- 搭建一个稳健的matplotlib绘图平台
下载相应的版本，我的操作系统是windows 10 64bit 的。

强烈建议下载 Python 3.7 版的，Python2 即将被放弃。

如果你过去一直使用Python 2 ，也不要担心，转到Python 3 真的很容易，并且从长远看是必须的，也是值得的。

像安装其它windows程序一样，双击运行安装，一路next，在指定安装路径时，建议设置如下：

07- 搭建一个稳健的matplotlib绘图平台
其它都是默认设置即可。

安装结束后，程序菜单中会有一个Anaconda3文件夹。

07- 搭建一个稳健的matplotlib绘图平台

配置环境变量

需要进行两次配置，第一次：

如下图，打开系统环境变量设置窗口：

07- 搭建一个稳健的matplotlib绘图平台

双击 PATH

打开下面的窗口：

新建；
浏览；
找到左边三个路径

依次重复操作，即可将Anaconda的环境变量添加到系统中。
07- 搭建一个稳健的matplotlib绘图平台
添加图中左侧的三个路径到环境变量中

测试Python和conda是否安装配置成功

打开Anaconda Prompt命令行窗口：

输入命令 : python，返回如下内容：

07- 搭建一个稳健的matplotlib绘图平台
表示Python安装配置成功，我的Python版本是3.7.3.

输入命令：conda，返回如下内容：
07- 搭建一个稳健的matplotlib绘图平台

表示 conda 管理工具安装配置成功。

创建工作虚拟环境

**强烈建议：**在上面的安装测试完成后，先创建一个工作虚拟环境。再开始你的探索之旅！

为什么要工作创建虚拟环境？

前面说过，因为Python的开源性，包的依赖性复杂，在使用过程中，随时都会破坏整个 Python 环境，导致出现一些莫名的问题和错误。

前面的安装过程会创建一个base环境，如果直接在这个环境下工作、学习、测试，当系统中的python环境出现问题无法修复时，就不得不卸载Anaconda，再重新安装它。

如果我们创建一个新环境，工作、测试、学习都在这个环境下进行，当出现问题时，我们只需要删除这个环境，再重新创建一个环境即可，这比从头安装Anaconda要节省时间。

当然虚拟环境还有其它一些用途，不在我们的讨论范围内。

创建工作虚拟环境

启动 Anaconda Prompt, 运行如下命令：

 conda create -n py373env python=3.7

创建一个名为 “py373env”， Python版本为3.7的虚拟环境。

当然，环境的名称你可以根据喜好定，我习惯于这样命名，一看就知道，这是一个Python的虚拟环境，并且Python版本是3.7.3。

需要一定的时间，它会下载、安装一些包，创建你指定的环境，创建完成后。

在Anaconda Prompt中输入：

 conda activate py373env

激活‘py373env’环境。
07- 搭建一个稳健的matplotlib绘图平台
可以发现命令行的引导符最右边的括号中原来的base，变成了py373env，这就表示，你原来处在base环境中，现在转到了py373env环境中。

你在哪个环境中的操作，主要影响这个环境。比如更新、安装包，修改一些包的默认参数，只会影响该环境下的包，不会影响base环境。

将虚拟环境也添加到系统环境变量中

07- 搭建一个稳健的matplotlib绘图平台

养成立即激活工作虚拟环境的好习惯

我习惯于在jupyter lab中工作、学习、测试Python代码，数据分析、数据可视化。

每天打开 Anaconda Prompt，输入的第一行命令就是：

 conda activate py373env

即，立即转到我的 py373env 虚拟环境，确保我的操作都是在这个环境下。除非我非常清楚地知道我要在其它环境下工作，我才退出py373env环境，激活其它环境。

退出py373env环境，使用命令：

 conda deactivate

07- 搭建一个稳健的matplotlib绘图平台

设置conda的下载镜像源（即下载通道）

Anaconda的官方下载通道是 conda-forge

有时会出现下载失败，下载速度慢的问题，可以添加清华大学的镜像服务器。

07- 搭建一个稳健的matplotlib绘图平台
用记事本打开这个".condarc"文件，删除里面的内容，将下面的内容复制进去，保存即可。

channels: 
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ 
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
- conda-forgeshow_channel_urls: truessl_verify: true